在银行日常工作中经常会碰到非标准格式的贷款合同、非标保函等等法律性文档，这些文档需要提交法务部门审核后才能使用。对比两个文档异同的这种小工作，如果人工来做是比较耗时耗力的，但使用点小代码就能省不少力，还不会出错。反正不管什么单位，要对比文档就交给python来做：
difflib 模块
>>> import difflib >>> [_ for _ in dir(difflib) if _[0]<'Z' or _[0]>'a'] ['Differ', 'HtmlDiff', 'IS_CHARACTER_JUNK', 'IS_LINE_JUNK', 'Match', 'SequenceMatcher', 'context_diff', 'diff_bytes', 'get_close_matches', 'ndiff', 'restore', 'unified_diff'] >>>
docx 模块
>>> import docx >>> [_ for _ in dir(docx) if _[0]<'Z' or _[0]>'a'] ['Document', 'ImagePart', 'RT', 'blkcntnr', 'compat', 'dml', 'document', 'enum', 'exceptions', 'image', 'opc', 'oxml', 'package', 'parts', 'section', 'settings', 'shape', 'shared', 'styles', 'text'] >>>
部分函数的使用简介如下：
文本对比 difflib.Differ
>>> text1 = '''Python 斐波那契数列递归的改进，算第1000万项只要4秒钟！ https://blog.csdn.net/boysoft2002/article/details/120257133 Python 不自己试试，还真猜不出递归函数的时间复杂度！ https://blog.csdn.net/boysoft2002/article/details/120242318 ''' >>> text2 = '''PYTHON 斐波那契数列递归的改进，算第1000万项只要4秒钟！ https://blog.CSDN.net/boysoft2002/article/details/120257133 Python 真猜不出递归函数的时间复杂度！ https://blog.csdn.net/boysoft2002/article/details/120242318/// ''' >>> a = text1.splitlines(keepends=True) >>> b = text2.splitlines(keepends=True) >>> c = difflib.Differ() >>> print(''.join(list(c.compare(a,b)))) - Python 斐波那契数列递归的改进，算第1000万项只要4秒钟！ ? ^^^^^ + PYTHON 斐波那契数列递归的改进，算第1000万项只要4秒钟！ ? ^^^^^ - https://blog.csdn.net/boysoft2002/article/details/120257133 ? ^^^^ + https://blog.CSDN.net/boysoft2002/article/details/120257133 ? ^^^^ - Python 不自己试试，还真猜不出递归函数的时间复杂度！ ? ------- + Python 真猜不出递归函数的时间复杂度！ - https://blog.csdn.net/boysoft2002/article/details/120242318 + https://blog.csdn.net/boysoft2002/article/details/120242318/// ? +++ >>>
符号含义说明
“-” 包含在第一个序列行中，但不包含在第二个序列行中
“+” 包含在第二个序列行中，但不包含在第一个序列行中
" " 两个序列行一致
“?” 标志两个序列行存在增量差异
“^” 标志出两个序列行存在的差异字符
超文本对比报告 difflib.HtmlDiff
>>> text1 = '''Python 斐波那契数列递归的改进，算第1000万项只要4秒钟！ https://blog.csdn.net/boysoft2002/article/details/120257133 Python 不自己试试，还真猜不出递归函数的时间复杂度！ https://blog.csdn.net/boysoft2002/article/details/120242318 ''' >>> text2 = '''PYTHON 斐波那契数列递归的改进，算第1000万项只要4秒钟！ https://blog.CSDN.net/boysoft2002/article/details/120257133 Python 真猜不出递归函数的时间复杂度！ https://blog.csdn.net/boysoft2002/article/details/120242318/// ''' >>> a = text1.splitlines(keepends=True) >>> b = text2.splitlines(keepends=True) >>> d = difflib.HtmlDiff() >>> html = d.make_file(a,b) >>> with open('difReport.html','w',encoding='utf-8') as f: f.write(html) 3223 >>> import os; os.startfile('difReport.html') >>>
打开的html文件效果：
文档对比相似度 difflib.SequenceMatcher
>>> a = '''Python 斐波那契数列递归的改进，算第1000万项只要4秒钟！ https://blog.csdn.net/boysoft2002/article/details/120257133 Python 不自己试试，还真猜不出递归函数的时间复杂度！ https://blog.csdn.net/boysoft2002/article/details/120242318 ''' >>> b = '''PYTHON 斐波那契数列递归的改进，算第1000万项只要4秒钟！ https://blog.CSDN.net/boysoft2002/article/details/120257133 Python 真猜不出递归函数的时间复杂度！ https://blog.csdn.net/boysoft2002/article/details/120242318/// ''' >>> import difflib >>> difflib.SequenceMatcher(None,a,b).ratio()*100 92.3076923076923 >>>
Word文档转文本 docx.Document
def doc2txt(docxFile): x,doc='',docx.Document(docxFile) try: for i in doc.paragraphs:x+=i.text return x.replace('\t','').replace(' ','') except: return ''
综合以上知识，就能做做小应用可以给日常的工作提高不少效率。运行效果，代码略：
-- All done!
