Python实现光速定位并提取两个文件的不同之处
如果你经常与Excel或Word打交道，那么从两份表格/文档中找到不一样的元素是一件让人很头疼的工作，当然网上有很多方法、第三方软件教你如何对比两份文件。本文就将以两份真实的Excel/Word文件为例，讲解如何使用Python光速对比并提取文件中的不同之处！
比较Excel
为了方便说明，我创建了一个简单的Excel用于示例
可以看到上方两个Excel表格中共有五处不同，现在我们使用Python来快速定位这五处不同，这次不需要openpyxl，使用Pandas就能轻松搞定，首先导入相关库并读取数据
import pandas as pd
import numpy as np
df1 = pd.read_excel('data1.xlsx')
df2 = pd.read_excel('data2.xlsx')
其实在Pandas中一行代码就能找到两个DataFrame的不同
可以看到，如果一样的数据就是NaN，而变化的数据则以它的值存储，但是如果这么做的话，我们仅仅找到数据不同的位置，并且数据量大的话盯着找到不同也挺消耗时间的，所以我们进一步研究。先换一种方式找到不同的值
接着再使用NumPy根据True/False定位元素位置，同时将值的改变写入原表格并保存
rows,cols=np.where(comparison_values==False)
for item in zip(rows,cols):
df1.iloc[item[0], item[1]] = '{} --> {}'.format(df1.iloc[item[0], item[1]],df2.iloc[item[0], item[1]])
df1.to_excel('diff.xlsx',index=False,header=True)
现在就生成了一个新的Excel来提示我们哪里发生了变化
这样看起来就舒服了很多(高亮是手动的)，当然在进行两个Excel比较的时候一定要注意这两个Excel的数据格式要差不多！
比较Word
两份Word比较起来相对于Excel就困难一点。首先我们还是创建两份有区别的Word文档，内容取自百度百科中的Python介绍[1]
左边的为原始word右边的word是我修改了几处的文档， 现在我们用Python来快速找到两份文档的不同。读取文件使用到的是docx库[2] ，因为涉及到中文所以我们需要先读取docx文件，然后分段再根据标点符号分句，具体代码如下
def getText(wordname):
'''
提取文字
'''
d = Document(wordname)
texts = []
for para in d.paragraphs:
texts.append(para.text)
return texts
def is_Chinese(word):
'''
识别中文
'''
for ch in word:
if '\u4e00' <= ch <= '\u9fff':
return True
return False
def msplit(s, seperators = ',|\.|\?|，|。|？|！|、'):
'''
根据标点符号分句
'''
return re.split(seperators, s)
def readDocx(docfile):
'''
读取文档
'''
print(f"======正在读取{docfile}======")
paras = getText(docfile)
segs = []
for p in paras:
temp = []
for s in msplit(p):
if len(s) > 2:
temp.append(s.replace(' ', ""))
if len(temp) > 0:
segs.append(temp)
return segs
使用上面这段代码读一下两个word试试
可以看到我们的word文件已经按照不同段落分好句存在两层list中，所以接下来的问题就转换为比较两个list，而这又是我们熟悉的
def comparsion(doc1,doc2,p,s):
if doc1 == doc2:
print('两个word完全一致')
else:
if doc1[p][s] != doc2[p][s]:
print(f"第{p+1}段，第{s+1}句不相同: {doc1[p][s]} ----> {doc2[p][s]}")
上面的判断为最简单的形式：两个word中仅有文字改变，而段落、句子数量均没有改变，我们来试一下效果
只要一秒，Python就找到了两份word文档之间的不同之处并定位！
结束语
通过介绍如何使用Python来对两个Excel/Word文件进行比较，我想你应该体会到了Python的强大之处，其实思路无非就是读取文件、定位之处并标记。但更重要的是你在日常工作学习时是否可以想到用Python去解决那些繁琐费力的流程，学会使用Python合理偷懒才是我写办公自动化系列的目的。
到此这篇关于Python实现光速定位并提取两个文件的不同之处的文章就介绍到这了,更多相关Python文件不同之处内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
