Python实现中文Word文档重复率对比并保存结果

本文介绍如何使用Python对比两个中文Word文档，计算重复率并将重复部分保存到新文档。

代码示例pythonimport docx2txtfrom difflib import SequenceMatcherfrom docx import Document

def compare_word_documents(file1, file2): # 读取两个Word文件的正文内容和表格内容 text1 = docx2txt.process(file1) text2 = docx2txt.process(file2)

# 计算两个文本的相似度    similarity_ratio = SequenceMatcher(None, text1, text2).ratio()

# 将重复部分保存到新的Word文档    if similarity_ratio > 0:        doc = Document()        doc.add_paragraph(f'两个文档的重复率为：{similarity_ratio:.2%}')        doc.add_paragraph('重复部分如下：')        doc.add_paragraph(text1)

    # 保存到新的文件        doc.save('重复部分.docx')        print('重复部分已保存到文件：重复部分.docx')    else:        print('两个文档无重复部分')

示例用法compare_word_documents('文件1.docx', '文件2.docx')

代码解释

1. 导入必要库: * docx2txt: 用于提取Word文档的文本内容。 * difflib: 用于计算文本相似度。 * docx: 用于创建新的Word文档。

2. 定义compare_word_documents函数: * 接收两个Word文件路径作为参数。 * 使用docx2txt.process函数读取两个文件的正文和表格内容。 * 使用SequenceMatcher类计算两个文本的相似度。 * 如果相似度大于0，则创建一个新的Word文档，将重复部分的内容添加到文档中，并保存为'重复部分.docx'文件。 * 如果相似度为0，则表示两个文档没有重复部分。

3. 调用函数进行对比: * 使用示例文件路径调用compare_word_documents函数进行实际对比。

安装第三方库

在运行代码之前，需要先安装docx2txt和difflib库。可以使用以下命令进行安装：bashpip install python-docx2txtpip install difflib

注意事项

• 请根据实际情况修改文件路径和文件名。* 该代码示例仅提供基础功能，可以根据需要进行扩展和优化，例如： * 高亮显示重复内容。 * 对比特定部分的内容。 * 处理更复杂的文档格式。