Python 怎么比较两个 Word 文档的段落差异?

梦静君_3072

梦静君_3072

2026-11-19

208人浏览

原创

python 可用 python-docx 读取 .docx 主体普通段落,再用 difflib.sequencematcher 比较段落序列,区分新增、删除和替换。不要直接 zip 两个列表,否则可能遗漏尾部新增段落。这个方案比较提取后的文本,不涵盖表格、页眉页脚、样式或 word 修订语义。

Python 怎么比较两个 Word 文档的段落差异?

读取 Word 普通段落并生成完整差异块

先运行 python -m pip install python-docx,再把下列代码保存为 word_diff.py。读取失败会向上抛异常,不把损坏或缺失文件当成空文档;真正空的段落列表仍然可以参与比较。

from difflib import SequenceMatcher
from docx import Document

def read_paragraphs(path):
    return [paragraph.text for paragraph in Document(path).paragraphs]

def compare_paragraphs(before, after):
    changes = []
    matcher = SequenceMatcher(None, before, after, autojunk=False)
    for kind, start_a, end_a, start_b, end_b in matcher.get_opcodes():
        if kind == "equal":
            continue
        changes.append({
            "kind": kind,
            "before_range": (start_a, end_a),
            "after_range": (start_b, end_b),
            "before": before[start_a:end_a],
            "after": after[start_b:end_b],
        })
    return changes

if __name__ == "__main__":
    import sys
    if len(sys.argv) != 3:
        raise SystemExit("用法:python word_diff.py before.docx after.docx")
    for change in compare_paragraphs(read_paragraphs(sys.argv[1]), read_paragraphs(sys.argv[2])):
        print(change)

范围采用从 0 开始、右端不含的列表切片规则。替换块可能对应不等数量的段落,因此完整输出前后两个切片,不再用 zip 把不等长替换块截短。autojunk=False 会关闭自动热门项启发式,但不保证线性运行时间。

生成测试文档,验证中间插入和末尾追加

另存为 check_word_diff.py,与 word_diff.py 放在同一目录。程序用临时目录创建两份实际 .docx 文件,退出后清理;测试没有依赖预先准备的用户文档。

Python健壮编程
Python健壮编程

编写可靠Python代码,避免可变默认值、导入陷阱与运行时意外

下载
from pathlib import Path
from tempfile import TemporaryDirectory
from docx import Document
from word_diff import read_paragraphs, compare_paragraphs

def save_document(path, paragraphs):
    document = Document()
    for text in paragraphs:
        document.add_paragraph(text)
    document.save(path)

with TemporaryDirectory() as directory:
    before = Path(directory) / "before.docx"
    after = Path(directory) / "after.docx"
    save_document(before, ["第一段", "第二段"])
    save_document(after, ["第一段", "中间新增", "第二段", "末尾新增"])
    changes = compare_paragraphs(read_paragraphs(before), read_paragraphs(after))
    assert [item["kind"] for item in changes] == ["insert", "insert"]
    assert [item["after"] for item in changes] == [["中间新增"], ["末尾新增"]]
    assert compare_paragraphs(read_paragraphs(before), read_paragraphs(before)) == []
    print(changes)

运行 python check_word_diff.py 后应得到两个新增块。相同文档返回空差异列表;缺少一个参数或读取失败应明确报错,不能伪装成“内容完全相同”。

验证不等长替换和整份文档为空的边界

以下脚本也与 word_diff.py 放在一起运行。用短列表专门验证比较函数:两个旧段落替换成一个新段落时,两边内容都要完整保留;删除全部段落则返回删除块。

from word_diff import compare_paragraphs

changes = compare_paragraphs(["旧甲", "旧乙"], ["新段落"])
assert len(changes) == 1
assert changes[0]["kind"] == "replace"
assert changes[0]["before"] == ["旧甲", "旧乙"]
assert changes[0]["after"] == ["新段落"]
assert compare_paragraphs([], []) == []
assert compare_paragraphs([], ["新增"])[0]["kind"] == "insert"
assert compare_paragraphs(["删除"], [])[0]["kind"] == "delete"
print("不等长替换与空列表边界通过")

算法按文本序列寻找匹配块,不理解合同含义,也不保证得出唯一的编辑过程。空段落会作为序列元素保留;如果选择忽略空白或大小写,应先说明规范化规则,因为那会改变差异范围。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

word python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5564

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34037

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3103

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程