讲师中心 微信公众号

工具推荐

视频效率加速
立刻MV
立刻MV

低成本歌曲 MV、视频生成

Laper
Laper

剧本策划到成片协作

updream

一键生成高质量推广成片

剧云
剧云

中文短剧剧本制作平台

Python 怎么比较两个 Word 文档的段落差异?

梦静君_3072

梦静君_3072

发布时间:2026-11-19 14:59:50

|

208人浏览过

|

来源于php中文网

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。

立即学习“Python免费学习笔记(深入)”;

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

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。

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。

热门AI工具

更多
WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

码上飞
码上飞 Hot

一款基于自然语言的AI应用开发平台,可根据用户描述自动生成应用程序,帮助个人和团队快速完成应用原型与开发。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

Atoms
Atoms Hot

Atoms是一款AI智能体工具,第一支自动构建真实业务的 AI 团队。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

超级麦吉

一款通过数字员工协作完成调研、数据分析与文档制作的AI办公平台。

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。

1951

2023.07.20

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。

5564

2023.07.25

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。

1889

2023.07.31

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。

34037

2023.08.03

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。

3987

2023.08.04

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。

3987

2023.08.04

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。

1283

2023.08.11

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。

636

2023.08.10

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

20

2026.11.17

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
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn