|
大家好，又到了Python辦公自動化專題 如果你經(jīng)常與Excel或Word打交道，那么從兩份表格/文檔中找到不一樣的元素是一件讓人很頭疼的工作，當然網(wǎng)上有很多方法、第三方軟件教你如何對比兩份文件。本文就將以兩份真實的Excel/Word文件為例，講解如何使用Python光速對比并提取文件中的不同之處！ 比較Excel為了方便說明，我創(chuàng)建了一個簡單的Excel用于示例 可以看到上方兩個Excel表格中共有五處不同，現(xiàn)在我們使用Python來快速定位這五處不同，這次不需要openpyxl，使用Pandas就能輕松搞定，首先導(dǎo)入相關(guān)庫并讀取數(shù)據(jù) import pandas as pdimport numpy as npdf1 = pd.read_excel('data1.xlsx')df2 = pd.read_excel('data2.xlsx')其實在Pandas中一行代碼就能找到兩個DataFrame的不同 可以看到，如果一樣的數(shù)據(jù)就是NaN，而變化的數(shù)據(jù)則以它的值存儲，但是如果這么做的話，我們僅僅找到數(shù)據(jù)不同的位置，并且數(shù)據(jù)量大的話盯著找到不同也挺消耗時間的，所以我們進一步研究。先換一種方式找到不同的值 接著再使用NumPy根據(jù)True/False定位元素位置，同時將值的改變寫入原表格并保存 現(xiàn)在就生成了一個新的Excel來提示我們哪里發(fā)生了變化 這樣看起來就舒服了很多(高亮是手動的)，當然在進行兩個Excel比較的時候一定要注意這兩個Excel的數(shù)據(jù)格式要差不多！ 比較Word兩份Word比較起來相對于Excel就困難一點。首先我們還是創(chuàng)建兩份有區(qū)別的Word文檔，內(nèi)容取自百度百科中的Python介紹[1] 左邊的為原始word右邊的word是我修改了幾處的文檔， 現(xiàn)在我們用Python來快速找到兩份文檔的不同。讀取文件使用到的是docx庫[2] ，因為涉及到中文所以我們需要先讀取docx文件，然后分段再根據(jù)標點符號分句，具體代碼如下 def getText(wordname): ''' 提取文字 ''' d = Document(wordname) texts = [] for para in d.paragraphs: texts.append(para.text) return textsdef is_Chinese(word): ''' 識別中文 ''' for ch in word: if '\u4e00' <= ch <= '\u9fff': return True return Falsedef msplit(s, seperators = ',|\.|\?|，|。|？|！|、'): ''' 根據(jù)標點符號分句 ''' return re.split(seperators, s)def readDocx(docfile): ''' 讀取文檔 ''' print(f'======正在讀取{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使用上面這段代碼讀一下兩個word試試 可以看到我們的word文件已經(jīng)按照不同段落分好句存在兩層list中，所以接下來的問題就轉(zhuǎn)換為比較兩個list，而這又是我們熟悉的 上面的判斷為最簡單的形式：兩個word中僅有文字改變，而段落、句子數(shù)量均沒有改變，我們來試一下效果 只要一秒，Python就找到了兩份word文檔之間的不同之處并定位！ 結(jié)束語通過介紹如何使用Python來對兩個Excel/Word文件進行比較，我想你應(yīng)該體會到了Python的強大之處，其實思路無非就是讀取文件、定位之處并標記。但更重要的是你在日常工作學(xué)習(xí)時是否可以想到用Python去解決那些繁瑣費力的流程，學(xué)會使用Python合理偷懶才是我寫辦公自動化系列的目的，拜拜，我們下個案例見～ 注:以上代碼需在Python3環(huán)境下運行 如果喜歡Python自動化系列請點擊在看并多多轉(zhuǎn)發(fā)～ 小編為大家準備了全套的java+Python的教程+全套java面試題集 |
|
|
