起因
被安排了个活,让对比一下两个文件夹内的同名doc文件是否相同,也不知道意义是啥,一百来个文件,一个一个打开太麻烦,而且电脑都卡死机了,因此,通过度娘整理了一些资料,用python实现了对比功能。
注:可以输出两个内容不同的段落,但不会具体定位到哪一句话,所以需要自己仔细看看哪一句话有问题。比较适合粗略的文件是否相同对比。
文章没什么创新,只是做了一个总结,网上东西杂七杂八的,这里记录以下个人测试可用的方法,以免后续有人继续踩坑
流程
doc转docx
如果要对比的文件本身就是docx就不需要看这一步,直接转向下一步就可以了
转换为docx的原因是:python的docx库不能处理doc文件。。。
linux环境配置:运行以下程序,确保可以调用命令行版的liboffice,来转换doc到docx
sudo apt-get install libreoffice-writer
运行以下程序完成doc转docx
# from win32com import client as wc #导入模块 # word = wc.Dispatch("Word.Application") # 打开word应用程序 # doc = word.Documents.Open(file) #打开word文件 # doc.SaveAs("{}x".format(file), 12)#另存为后缀为".docx"的文件,其中参数12指docx文件 # doc.Close() #关闭原来word文件 将path_list目录下的所有doc文件转换为docx(并保存在同一目录下) 以下程序是linux下利用liboffice转换的,windows下,使用上面注释过的代码即可 def doc2docx(file, path): if file.endswith('.doc'): print(f"deal with {os.path.basename(file_name)}") subprocess.check_output(["soffice", "--headless", "--invisible", "--convert-to", "docx", for file_name in os.listdir(path): file_path = os.path.join(path, file_name) doc2docx(file_path, path)
window版的转换代码我还没有测试,不过代码在上面的注释里,电影狗有兴趣的可以自己测试以下,应该不会有什么大的问题
文件对比
运行以下程序即可,一般只需要改文件路径即可,程序比较容易理解,也可以根据该程序,自定义方法
对比path1和path2下,同名docx文件的异同 docx要使用pip install python-docx安装 '''在文件目录中存在两个待对比的word文档''' def cmp(path_file, path1, path2): print('比较文档**--**%s**--**和文档**--**%s**--**的区别' % (path_file[0], path_file[1])) file = docx.Document(path1 + "/" + path_file[0]) file2 = docx.Document(path2 + "/" + path_file[1]) print("%s共有---%s---个段落:" % (path_file[0], str(len(file.paragraphs)))) print("%s共有---%s---个段落:" % (path_file[1], str(len(file2.paragraphs)))) for para in file.paragraphs: for para1 in file2.paragraphs: print('****第%s不同****' % (numbe)) print('\n', path_file[0] + '的内容为:') print(path_file[1] + '的内容为:') print(' ~文档2:' + op2[d], '\n') print('--------------------------------------------------------------------------------') print('!!!!!!!!!!!对比完毕!!!!!!!!!!!!','\t共有%s处不同' % (numbe)) for file in os.listdir(path1): if file.endswith('.docx'): cmp(path_file, path1, path2)
|