使用 difflib 比对 Word

最新推荐文章于 2024-12-24 20:37:20 发布

原创最新推荐文章于 2024-12-24 20:37:20 发布 · 640 阅读

3 ·

CC 4.0 BY-SA版权

word 专栏收录该内容

5 篇文章

订阅专栏

本文介绍了如何使用Python的difflib模块来比对Word文档内容，不包含Word表格数据。方法一通过代码高亮差异部分，方法二则展示两份源文本的并列比对。

注意，此方法比对，不包括Word表格中数据

方法一：

代码如下：

import docx
import codecs
from difflib import HtmlDiff

file1 = docx.Document(r'\\Mac\Home\Desktop\project\天华\test1.docx')
file2 = docx.Document(r'\\Mac\Home\Desktop\project\天华\test2.docx')

para1 = ''
para2 = ''

for para in file1.paragraphs:
	para1 = para1 + para.text + '\n'
	print(para1)
for para in file2.paragraphs:
	para2 = para2 + para.text + '\n'
	print(para2)
delta_html = HtmlDiff().make_file(para1.splitlines(), para2.splitlines())
with codecs.open(r'\\Mac\Home\Desktop\project\天华\diff.html', 'w', encoding='utf-8') as f:
	f.write(delta_html)

最终生成的HTML文件，用浏览器打开如下：

如上图所示，差异的部分会黄色背景标出。
且两份文本并列显示，如下图：

方法二：

代码如下：

import docx
import difflib
import sys

file1 = docx.Document(r'\\Mac\Home\Desktop\project\天华\test3.docx')
file2 = docx.Document(r'\\Mac\Home\Desktop\project\天华\test4.docx')

para1 = ''
para2 = ''

for para in file1.paragraphs:
	para1 = para1 + para.text + '\n'
	# print(para1)
for para in file2.paragraphs:
	para2 = para2 + para.text + '\n'
	# print(para2)

d=difflib.Differ()
diff = difflib.ndiff(para1.splitlines(),para2.splitlines())
sys.stdout.writelines(diff)

两份源文本如下图：