Python实现光速定位并提取两个文件的不同之处
作者:刘早起 发布时间:2023-11-01 10:42:25
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。
来源:https://blog.csdn.net/weixin_41846769/article/details/106070563
猜你喜欢
- <?php function BigEndian2Int($byte_word, $signed = false) { $int_va
- 今天给大家分享的主题是用百度的接口实现图片的文字识别。1.环境和配置要求整体是用Python实现,所需要使用的第三方库包括aip、PIL、k
- 线程间通信方法 1. 通信方法线程间使用全局变量进行通信 2. 共享
- function chinese2unicode(Str) &nbs
- 项目意义如果你想在支付宝蚂蚁森林收集很多能量种树,为环境绿化出一份力量,又或者是想每天称霸微信运动排行榜装逼,却不想出门走路,那么该pyth
- 认识模块对于模块,在前面的一些举例中,已经涉及到了,比如曾经有过:import random (获取随机数模块)。为了能够对模块有一个清晰的
- Declaring class members or methods as st
- 目录一、图解二、json.loads()用法三、json.load()用法四、此外还有一种json.dumps语法实例一、图解json.lo
- 今天在开发一个手机短信通讯录的前端界面时,界面中使用了checkbox,来做为各项的选择控件,但是操作时,除了点差子。由于逻辑需要,需要预先
- 本文实例为大家分享了python创建tcp服务端和客户端的具体代码,供大家参考,具体内容如下1.服务端serverfrom socket i
- 1、删除Oracal在注册表中的主项:regedit.exe->LocalMachine->Software->Oracl
- 1. python三维图表绘制方法简介python三维图表的绘制算是二维图表的一个进阶版本,本质上和二维图表的绘制并无差别,唯一的区别在于使
- 一、merge函数用途pandas中的merge()函数类似于SQL中join的用法,可以将不同数据集依照某些字段(属性)进行合并操作,得到
- MenuEverywhere 是Mac OS X上的一款小程序,前一阵刚为其完成了程序图标设计。© 2011 IconMo
- 上次的故事是这样的前女友发来加密的"520快乐.pdf",我用python破解开之后,却发现...事情是这样的小哥哥还是
- Python 中有三个非常好用的数据结构,列表,元组和字典, 元组是不可变的,列表可以保存任意类型的Python对象,并可以随意扩展没有大小
- 前言最近的一个项目中需要在图片上添加文字,使用了OpenCV,结果发现利用opencv给图像添加文字有局限。可利用的字体类型比较少,需要安装
- 写任何编程代码,不同的开发者都会有不同的见解。但参考一下总是好的,下面是来自 Javascript Toolbox 发布的 14条最佳JS代
- 本人非计算机,亦非心理学,或者交互设计,更非设计专业出身,因此什么都是半桶水。即使如此,依然靠着兴趣寻找乐趣。对于设计,爱之,但没有受过系统
- 因一些特殊需求需要以参数的形式获取字典 * 定的值,网上搜了一下并没有特别好的实现(并没有太认真去找~),所以自己实现了一个,以供大家参考:)