Python自动化 | 比对两份Excel/Word文件
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
Excel用例
可以看到上方两个Excel表格中共有四处不同,现在我们使用Python来快速定位这五处不同。
import pandas as pd #没有pandas模块,记得安装 import numpy as np df1 = pd.read_excel('data1.xlsx') df2 = pd.read_excel('data2.xlsx') comparison_values = df1.values == df2.values 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
比较Word
我们还是创建两份有区别的Word文档
from docx import Document # 需安装python-docx模块 import re 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 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]}") doc1 = readDocx('data1.docx') doc2 = readDocx('data2.docx') for p in range(len(doc1)): for s in range(len(doc1[p])): comparsion(doc1, doc2, p, s)