Python怎么實現光速定位并提取兩個文件的不同之處

這篇文章主要講解了“Python怎么實現光速定位并提取兩個文件的不同之處”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Python怎么實現光速定位并提取兩個文件的不同之處”吧！

比較Excel

為了方便說明，我創建了一個簡單的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，首先導入相關庫并讀取數據

import pandas as pd
import numpy as np
df1 = 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，如果一樣的數據就是NaN，而變化的數據則以它的值存儲，但是如果這么做的話，我們僅僅找到數據不同的位置，并且數據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True/False定位元素位置，同時將值的改變寫入原表格并保存

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)

現在就生成了一個新的Excel來提示我們哪里發生了變化

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的數據格式要差不多！

比較Word

兩份Word比較起來相對于Excel就困難一點。首先我們還是創建兩份有區別的Word文檔，內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 texts
 
def is_Chinese(word):
    '''
    識別中文
    '''
    for ch in word:
        if '\u4e00' <= ch <= '\u9fff':
            return True
    return False
 
def msplit(s, seperators = ',|\.|\?|，|。|？|！|、'):
    '''
    根據標點符號分句
    '''
    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換為比較兩個list，而這又是我們熟悉的

def comparsion(doc1,doc2,p,s):
    if doc1 == doc2:
        print('兩個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]}")

上面的判斷為最簡單的形式：兩個word中僅有文字改變，而段落、句子數量均沒有改變，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！

感謝各位的閱讀，以上就是“Python怎么實現光速定位并提取兩個文件的不同之處”的內容了，經過本文的學習后，相信大家對Python怎么實現光速定位并提取兩個文件的不同之處這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！