Python高效对比两个Word文档并提取重复内容

想要对比两个中文Word文件并提取出重复的部分？本文将教你使用Python的python-docx库轻松实现。以下是一个高效率的代码示例：pythonfrom docx import Document

读取第一个Word文档doc1 = Document('doc1.docx')# 读取第二个Word文档doc2 = Document('doc2.docx')

提取第一个文档的所有段落内容doc1_paragraphs = [p.text for p in doc1.paragraphs]# 提取第二个文档的所有段落内容doc2_paragraphs = [p.text for p in doc2.paragraphs]

找到重复的段落内容duplicates = set(doc1_paragraphs) & set(doc2_paragraphs)

创建一个新的文档来保存重复的内容output_doc = Document()for paragraph in duplicates: output_doc.add_paragraph(paragraph)

保存输出文档output_doc.save('output.docx')

代码解析：

1. 导入库: 首先，我们需要导入docx库。可以使用命令pip install python-docx安装。2. 读取文档: 使用Document()函数读取两个Word文档，并分别存储到doc1和doc2变量中。3. 提取段落: 使用列表推导式提取每个文档的所有段落内容，并分别存储到doc1_paragraphs和doc2_paragraphs列表中。4. 查找重复内容: 利用集合的交集操作符&，快速找到两个列表中重复的段落内容，并将结果存储到duplicates集合中。5. 创建新文档: 创建一个新的Word文档output_doc，用于存储提取出的重复内容。6. 添加重复内容: 遍历duplicates集合，将每个重复的段落内容添加到新文档output_doc中。7. 保存文档: 最后，使用save()函数将新文档保存为'output.docx'。

注意事项:

• 本代码示例仅对比和提取段落内容。如需对比表格、图片等其他元素，需修改代码进行相应处理。* 确保你的Python环境已正确安装python-docx库。

希望这篇简短的教程能够帮助你使用Python轻松对比Word文档并提取重复内容！