亲宝软件园·资讯

展开

Python文件不同之处

刘早起 人气:0

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。

加载全部内容

相关教程
猜你喜欢
用户评论