Question

问：使用Python，如何测试两个不同名称的Excel文件是否具有相同的内容？

我尝试了什么：我见过的大多数答案建议使用filecmp.cmp或hash。我尝试过使用两者，但没有成功。特别是，假设＆＃39; f1.xlsx＆＃39;只有两个非空单元格：A1 =＆＃39; hello＆＃39;和B1 =＆＃39;世界＆＃39;接下来，将此内容复制并粘贴到新文件“f2.xlsx＆＃39;”。现在，两个文件在相同的单元格位置中恰好有两个非空条目。我得到以下结果：

>> f1 = 'f1.xlsx'
>> f2 = 'f2.xlsx'

#Using read():
>>> open(f1).read()==open(f2).read()
False

#Using filecmp.cmp:
>>> filecmp.cmp(f1, f2, shallow=True)
False

#Using izip:
>>> all(line1 == line2 for line1, line2 in izip_longest(f1, f2))
False

#Using hash:
>>> hash1=hashlib.md5()
>>> hash1.update(f1)
>>> hash1 = hash1.hexdigest()
>>> hash2=hashlib.md5()
>>> hash2.update(f2)
>>> hash2 = hash2.hexdigest()
>>> hash1==hash2
False

#also note, using getsize:
>>> os.path.getsize(f1)
8007
>>> os.path.getsize(f2)
8031

当然我可以使用Pandas将Excel文件解释为数据帧，然后使用标准比较（如all（））返回True，但我希望有更好的方法，例如这也适用于.docx文件。

提前致谢！我怀疑这个结是使用像.xlsx或.docx这样的扩展标准＆＃39;标准＆＃39;测试，但希望有一种有效的方法来比较内容。

注意：如果它简化了问题，那么顺序无关紧要，如果f2有A1 =＆＃39; world＆＃39;和B1 =＆＃39;你好＆＃39;，我想要＆＃34;真＆＃34;返回。

Answer 1

我过去也遇到过同样的问题，最后只是进行了“逐行”比较。对于excel文件，我使用openpyxl模块，该模块具有出色的界面，可以逐个单元地浏览文件。对于docx，我使用了python_docx模块。以下代码对我有用：

>>> from openpyxl import load_workbook
>>> from docx import Document

>>> f1 = Document('testDoc.docx')
>>> f2 = Document('testDoc.docx')
>>> wb1 = load_workbook('testBook.xlsx')
>>> wb2 = load_workbook('testBook.xlsx')
>>> s1 = wb1.get_active_sheet()
>>> s2 = wb2.get_active_sheet()

>>> def comp_xl(s1, s2):
>>>    for row1, row2 in zip(s1.rows, s2.rows):
>>>         for cell_1, cell_2 in zip(row1, row2):
>>>             if isinstance(cell_1, openpyxl.cell.cell.MergedCell):
>>>                 continue
>>>             elif not cell_1.value == cell_2.value:
>>>                 return False
>>>    return True

>>> comp_xl(s1, s2)
True
>>> all(cell_1.value==cell_2.value for cell_1, cell_2 in zip((row for row in s1.rows), (row for row in s2.rows)) if isinstance(cell_1, openpyxl.cell.cell.Cell)) 
True

>>> def comp_docx(f1, f2):
>>>     p1 = f1.paragraphs
>>>     p2 = f2.paragraphs
>>>     for i in range(len(p1)):
>>>         if p1[i].text == p2[i].text:
>>>             continue
>>>         else: return False
>>>     return True

>>> comp_docx(f1, f2)
True
>>> all(line1.text == line2.text for line1, line2 in zip(f1.paragraphs, f2.paragraphs))
True

这是非常基础的，显然不考虑样式或格式，但仅测试两个文件的文本内容即可。希望这对某人有帮助。

Python：不同的（excel）文件名，相同的内容检查

1 个答案: