Python 办公自动化｜光速对比并提取两份 Word/Excel 中的不同元素

大家好，又到了 Python 办公自动化专题

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

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UdEZCAn2-1690185654677)(https://oscimg.oschina.net/oscnet/0eb9510fdd78eda00bce4a5006cae326b34.png)]

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[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Pz2zjCxi-1690185654679)(https://oscimg.oschina.net/oscnet/94897139437ad81b2cc5c3ab0a657a47abb.png)])，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

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tfvNkW3o-1690185654681)(https://oscimg.oschina.net/oscnet/3b3959e3b9be9b904a989ea354f4235e6f3.png)]

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，拜拜，我们下个案例见～

这里给大家分享一份Python全套学习资料，包括学习路线、软件、源码、视频、面试题等等，都是我自己学习时整理的，希望可以对正在学习或者想要学习Python的朋友有帮助！

优快云大礼包：全网最全《全套Python学习资料》免费分享🎁

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉优快云大礼包🎁：全网最全《Python学习资料》免费分享（安全链接，放心点击）👈

​

1️⃣零基础入门

① 学习路线

对于从来没有接触过Python的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

② 路线对应学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~

③练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！

因篇幅有限，仅展示部分资料

2️⃣国内外Python书籍、文档

① 文档和书籍资料

3️⃣Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！

②Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。100+实战案例源码等你来拿！

③Python小游戏源码

如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！

4️⃣Python面试题

我们学会了Python之后，有了技能就可以出去找工作啦！下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

5️⃣Python兼职渠道

而且学会Python以后，还可以在各大兼职平台接单赚钱，各种兼职渠道+兼职注意事项+如何和客户沟通，我都整理成文档了。


上述所有资料 ⚡️ ，朋友们如果有需要 📦《全套Python学习资料》的，可以扫描下方二维码免费领取 🆓
😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉优快云大礼包🎁：全网最全《Python学习资料》免费分享（安全链接，放心点击）👈

​