这在mysql中是不合理的。由于您也在使用php环境，所以可以通过php执行，但是要实现一个通用的解决方案，您需要付出大量的努力。
pdf文件由（可能是压缩的）图像和文本流组成。有几个库可以尝试提取文本，如果以一种简单的方式生成pdf，则可以相当好地工作；然而，如果某些文本被呈现为其字符的图像，或者应用了其他散乱，则它们通常会失败。在这些情况下，您将需要使用ocr来生成显示pdf时所看到的实际文本。还要注意，表和图像超出了这些工具的范围。
一旦有了两个文本文件，查找重叠就变得容易多了，尽管有几种方法。”“相同的80%”可以用几种方式解释，但假设从文件中复制79%的连续文本并再次保存不会触发报警，而复制81%的相同文本则会触发报警。任何diff工具都可以提供关于重复块的信息，对于您的目的可能已经足够了。一个更复杂的方法，但不提供确切的百分比，是使用标准化的压缩距离。