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。python教程分享Python实现光速定位并提取两个文件的不同之处就将以两份真实的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<计算机技术网(www.ctvol.com)!!>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<计算机技术网(www.ctvol.com)!!>!
需要了解更多python教程分享Python实现光速定位并提取两个文件的不同之处,都可以关注python教程分享栏目—计算机技术网(www.ctvol.com)!
本文来自网络收集,不代表计算机技术网立场,如涉及侵权请联系管理员删除。
ctvol管理联系方式QQ:251552304
本文章地址:https://www.ctvol.com/pythontutorial/1209411.html