Python轻松实现Word文档对比并生成可视化HTML报告
作者:幸福清风
在日常工作和学习中,我们经常需要对两个版本的文档进行比对,比如合同修改、论文修订、报告更新等。手动逐字检查不仅耗时费力,还容易遗漏细节。
今天,我将带你使用 Python + python-docx
+ difflib
实现一个自动化 Word 文档对比工具,不仅能精准识别段落增删改,还能生成美观的 HTML 可视化报告,并自动在浏览器中打开查看!
项目效果预览
运行脚本后:
- 自动读取两个
.docx
文件 - 按段落逐一对比内容差异
- 生成一份 高亮标注差异 的 HTML 报告
- 支持浏览器自动打开,无需手动查找文件
完全自动化 | 差异高亮显示 | 支持中文 | 界面美观专业
技术栈简介
技术 | 作用 |
---|---|
python-docx | 读取 .docx 文件内容 |
difflib | 计算文本差异(增删改) |
webbrowser | 自动打开浏览器预览结果 |
os / datetime | 文件路径处理与时间戳记录 |
原生 HTML + CSS | 生成结构清晰、样式现代化的报告页面 |
核心功能解析
读取.docx文件内容
from docx import Document def read_docx(file_path): """读取 .docx 文件,返回段落列表""" try: doc = Document(file_path) paragraphs = [para.text.strip() for para in doc.paragraphs if para.text.strip()] return paragraphs except Exception as e: print(f"❌ 读取文件 {file_path} 时出错: {e}") return []
说明:
- 使用
Document
加载 Word 文件 - 提取所有非空段落,并去除首尾空格
- 异常捕获确保程序健壮性
利用difflib实现文本差异分析
matcher = difflib.SequenceMatcher(None, p1, p2) opcodes = matcher.get_opcodes()
difflib.SequenceMatcher
是 Python 内置的强大工具,可以分析两个字符串之间的差异操作(equal, insert, delete, replace),我们据此为每个字符添加 HTML 标签高亮。
例如:
<span class='diff-delete'>[删除: 这句话被删了]</span> <span class='diff-add'>[新增: 这是新内容]</span>
生成精美 HTML 报告
我们构建了一个完整的 HTML 页面,包含:
响应式设计 + 现代化 UI 风格
- 渐变标题栏
- 圆角卡片式表格
- 悬停交互效果
- 适配中文字体
对比概览区
显示文件名、段落数量、生成时间等元信息。
详细对比表格
段落 | 文档1内容 | 文档2内容 | 差异状态 |
---|---|---|---|
第1段 | 相同 | 相同 | 完全相同 |
第2段 | 被删除 | 新增内容 | 内容有差异 |
每一段都用颜色区分:
- 绿色:相同内容
- 红色:删除或缺失
- 蓝色:新增内容
- 黄色背景:整段新增/删除
自动生成并打开报告
abs_path = os.path.abspath(report_path) url = f"file://{abs_path}" webbrowser.open(url)
一键生成报告后,自动调用系统默认浏览器打开,用户体验极佳!
使用方法(超简单)
步骤 1:安装依赖
pip install python-docx
注意:difflib
是标准库,无需安装。
步骤 2:修改主函数中的文件路径
file1_path = r'C:\Users\Administrator\Desktop\11.docx' file2_path = r'C:\Users\Administrator\Desktop\22docx.docx' file1_name = "11.docx (原文版)" file2_name = "22docx.docx (对比版)" output_html_file = "荷塘月色_对比报告.html"
支持任意 .docx
文件,建议使用绝对路径避免出错。
步骤 3:运行脚本
python docx_compare.py
输出示例:
🚀 正在启动文档对比程序...
============================================================
✅ 成功读取文档!
• 11.docx (原文版) 共 15 段
• 22docx.docx (对比版) 共 17 段
✅ HTML 报告已成功生成: '荷塘月色_对比报告.html'
🌐 报告已自动在默认浏览器中打开。
报告截图展示
- 顶部标题:带有时间戳和渐变背景
- 对比表格:左右并列展示,差异高亮
- 状态标识:图标+颜色提示,一目了然
完整代码下载
你可以将本文提供的完整代码保存为 docx_compare.py
,稍作配置即可使用。
import difflib from docx import Document import webbrowser import os from datetime import datetime def read_docx(file_path): """读取 .docx 文件,返回段落列表""" try: doc = Document(file_path) paragraphs = [para.text.strip() for para in doc.paragraphs if para.text.strip()] return paragraphs except Exception as e: print(f"❌ 读取文件 {file_path} 时出错: {e}") return [] def generate_html_report(paras1, paras2, file1_name, file2_name, output_html="对比报告.html"): """ 根据对比结果生成 HTML 报告。 """ # 构建 HTML 内容 html_content = f""" <!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>文档对比报告</title> <style> body {{ font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif; line-height: 1.8; color: #333; max-width: 1200px; margin: 0 auto; padding: 20px; background-color: #f9f9f9; }} .header {{ text-align: center; background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); color: white; padding: 30px 20px; border-radius: 10px; margin-bottom: 30px; box-shadow: 0 4px 6px rgba(0,0,0,0.1); }} .header h1 {{ margin: 0; font-size: 2.5em; }} .header p {{ margin: 10px 0 0; opacity: 0.9; }} .comparison-table {{ width: 100%; border-collapse: collapse; margin: 20px 0; box-shadow: 0 2px 10px rgba(0,0,0,0.1); background-color: white; border-radius: 8px; overflow: hidden; }} .comparison-table th {{ background-color: #4a5568; color: white; text-align: left; padding: 15px; font-weight: 600; }} .comparison-table td {{ padding: 15px; border-bottom: 1px solid #e2e8f0; vertical-align: top; }} .comparison-table tr:nth-child(even) {{ background-color: #f7fafc; }} .comparison-table tr:hover {{ background-color: #ebf8ff; }} .diff-equal {{ color: #22c55e; font-weight: 600; }} .diff-delete {{ color: #e53e3e; font-weight: 600; }} .diff-add {{ color: #3182ce; font-weight: 600; }} .context {{ font-family: 'Courier New', monospace; background-color: #f1f5f9; padding: 10px; border-radius: 5px; white-space: pre-wrap; word-wrap: break-word; font-size: 0.95em; }} .footer {{ text-align: center; margin-top: 40px; color: #718096; font-size: 0.9em; }} .highlight {{ background-color: #fff3cd; padding: 2px 4px; border-radius: 3px; }} </style> </head> <body> <div class="header"> <h1>📄 文档对比报告</h1> <p>生成时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}</p> </div> <h2>📊 对比概览</h2> <p><strong>文档 1:</strong> {file1_name}</p> <p><strong>文档 2:</strong> {file2_name}</p> <p><strong>段落数量:</strong> 文档1: {len(paras1)} 段, 文档2: {len(paras2)} 段</p> <h2>🔍 详细对比结果</h2> <table class="comparison-table"> <thead> <tr> <th>段落</th> <th>{file1_name}</th> <th>{file2_name}</th> <th>差异状态</th> </tr> </thead> <tbody> """ max_len = max(len(paras1), len(paras2)) for i in range(max_len): p1 = paras1[i] if i < len(paras1) else None p2 = paras2[i] if i < len(paras2) else None # 生成差异标记文本 if p1 is not None and p2 is not None: matcher = difflib.SequenceMatcher(None, p1, p2) opcodes = matcher.get_opcodes() result1 = [] result2 = [] for tag, i1, i2, j1, j2 in opcodes: if tag == 'equal': result1.append(p1[i1:i2]) result2.append(p2[j1:j2]) elif tag == 'delete': result1.append(f"<span class='diff-delete'>[删除: {p1[i1:i2]}]</span>") result2.append(f"<span class='diff-add'>[缺失]</span>") elif tag == 'insert': result1.append(f"<span class='diff-add'>[缺失]</span>") result2.append(f"<span class='diff-delete'>[新增: {p2[j1:j2]}]</span>") elif tag == 'replace': result1.append(f"<span class='diff-delete'>[删除: {p1[i1:i2]}]</span>") result2.append(f"<span class='diff-add'>[新增: {p2[j1:j2]}]</span>") marked_p1 = ''.join(result1) marked_p2 = ''.join(result2) else: marked_p1 = p1 or "<span class='diff-add'>[该段落不存在]</span>" marked_p2 = p2 or "<span class='diff-add'>[该段落不存在]</span>" # 确定差异状态 if p1 is None: status = f"<span class='diff-add'>➕ 新增段落</span>" elif p2 is None: status = f"<span class='diff-delete'>➖ 删除段落</span>" elif p1 == p2: status = f"<span class='diff-equal'>✅ 完全相同</span>" else: status = f"<span class='diff-delete'>⚠️ 内容有差异</span>" # 添加到HTML表格中 paragraph_num = f"第 {i+1} 段" html_content += f""" <tr> <td><strong>{paragraph_num}</strong></td> <td class="context">{marked_p1}</td> <td class="context">{marked_p2}</td> <td>{status}</td> </tr> """ # 闭合HTML标签 html_content += f""" </tbody> </table> <div class="footer"> <p>此报告由 Python 文档对比工具自动生成</p> </div> </body> </html> """ # 写入文件 try: with open(output_html, 'w', encoding='utf-8') as f: f.write(html_content) print(f"✅ HTML 报告已成功生成: '{output_html}'") return output_html except Exception as e: print(f"❌ 生成 HTML 文件时出错: {e}") return None def main(): # 🔧 请修改为您的实际文件路径 file1_path = r'C:\Users\Administrator\Desktop\11.docx' file2_path = r'C:\Users\Administrator\Desktop\22docx.docx' # 自定义显示名称 file1_name = "11.docx (原文版)" file2_name = "22docx.docx (对比版)" output_html_file = "荷塘月色_对比报告.html" print("🚀 正在启动文档对比程序...") print("=" * 60) # 读取文档 paras1 = read_docx(file1_path) paras2 = read_docx(file2_path) if not paras1 or not paras2: print("⛔ 文档读取失败,请检查文件。") return print(f"✅ 成功读取文档!") print(f" • {file1_name} 共 {len(paras1)} 段") print(f" • {file2_name} 共 {len(paras2)} 段") # 生成 HTML 报告 report_path = generate_html_report(paras1, paras2, file1_name, file2_name, output_html_file) if report_path: # 获取文件的绝对路径 abs_path = os.path.abspath(report_path) # 构造 file:// URL url = f"file://{abs_path}" # 自动打开浏览器 try: webbrowser.open(url) print(f"🌐 报告已自动在默认浏览器中打开。") except Exception as e: print(f"⚠️ 自动打开浏览器失败,您可以手动打开文件:\n {abs_path}") else: print("❌ 报告生成失败。") if __name__ == "__main__": main()
以上就是Python轻松实现Word文档对比并生成可视化HTML报告的详细内容,更多关于Python对比Word文档的资料请关注脚本之家其它相关文章!