Python：不同的（excel）文件名，相同的内容检查

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？

我试过的：我见过的大多数答案都建议使用filecmp.cmp或hash。我尝试过使用两者，但没有成功。特别是，假设'f1.xlsx'只有两个非空单元格：A1 ='hello'和B1 ='world'。接下来，将此内容复制并粘贴到新文件“f2.xlsx”。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（例如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！我怀疑结在'标准'测试中使用像.xlsx或.docx这样的扩展，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，顺序无关紧要，如果f2有A1 ='world'而B1 ='hello'，我想要返回“True”。

Answer 1

我在过去遇到了同样的问题，最后刚刚进行了一些“逐行”的比较。对于excel文件，我使用openpyxl模块，它具有一个很好的接口，可以逐个单元地挖掘文件。对于docx，我使用了python_docx模块。以下代码适用于我：

>>> 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

它非常基本，显然没有考虑样式或格式，而只是测试它工作的两个文件的文本内容。希望这有助于某人。