最近有小伙伴说需要一个工具,用来对比2个excel表的差异,直接标记出来有差异的行。
代码倒还挺简单的,为了方便端庄的舞蹈使用,我给它打包成exe文件,点击执行即可输出结果。
1、先说一下怎么用,后面上代码
链接:https://pan.baidu.com/s/1oNEeIDOnw1Grw2MOdJrwUQ
提取码:w29l
先到网盘链接,下载文件:
如果不需要源代码,直接下载xlsx_compare.rar即可。
解压后打开:
这里面2个xlsx文件是我用来测试的文件,可以直接换成你自己的,必须是2个,不要放其他文件。
划重点:你的2个excel文件必须是xlsx格式的文件,且对比的内容放在Sheet1。
点击exe文件,结果如下:
会输出3份文件,第一个error_info.txt,就是执行过程中有报错的信息会写入到这文件里,运行正常的话里面写的是。
如果出现异常,例如你的2个对比文件忘记放进去了,error_info.txt就是这样的
另外2个new结尾的文件,就是对比的结果了,打开看看。
D列的数据因为长度超长,把它拉开就能看到内容了。
对比发现不一致的话,会在最后一列Compare Result标记
像这样的话,说明2个文件的第5、6、7行不一致,第8行是因为test1.xlsx没有第8行数据,而test2.xlsx有,因此也标记出来。
这样我们通过excel的筛选器过滤一下,就能得到2个文件不一致的所有行了
2、代码 #!/usr/从容的舞蹈/env python# -*- coding:utf-8 -*-# date: 2021/4/17# filename: xlsx_compare# author: kplinimport pandas as pdimport osdef my_log(info): try: with open('error_info.txt', 'w+') as f: f.write(info) f.close() except Exception as e: print('写入错误日志时发生以下错误:n%s'%e)def get_file(): try: # 获取当前文件夹下的2个文件 dir_path = os.getcwd() files = os.listdir(dir_path) ret = [] for i in files: if i.endswith('.xlsx') and not i.endswith('_new.xlsx'): ret.append(i) if i.endswith('.xlsx') and not i.endswith('_new.xlsx') and '~$' in i: info ='请关闭文件%s'%i my_log(info) return None if len(ret) == 0: info = '找不到待检测文件,请将2个xlsx文件放入此文件夹' my_log(info) return None # print(ret) return ret[0], ret[1] except Exception as e: my_log(str(e))def main(file1, file2): try: # 1、获取原文件路径和名称,先准备即将生成的新文件名和文件路径 fname1, ext = os.path.splitext(os.path.basename(file1)) new_file1 = file1.replace(fname1, fname1 + '_new') fname2, ext = os.path.splitext(os.path.basename(file2)) new_file2 = file2.replace(fname2, fname2 + '_new') # 2、读取文件 df1 = pd.read_excel(file1) df2 = pd.read_excel(file2) length = len(df1) if len(df1) >= len(df2) else len(df2) # 两个数据块行数不一致,补成一致的 if len(df1) - len(df2) > 0: # 获取DF1的列名 d = {} for i in df2.columns: d[i] = ['' for x in range(len(df1) - len(df2))] concat_df = pd.DataFrame(d) df2 = pd.concat([df2, concat_df]) if len(df2) - len(df1) > 0: d = {} for i in df1.columns: d[i] = ['' for x in range(len(df2) - len(df1))] concat_df = pd.DataFrame(d) df1 = pd.concat([df1, concat_df]) dis_index = [] for i in range(len(df1)): ret = df1.iloc[i, :]==df2.iloc[i, :] if False in ret.tolist(): dis_index.append(i) dis_list = ['' for i in range(length)] for i in dis_index: dis_list[i] = '不一致' df1['Compare Result'] = dis_list df2['Compare Result'] = dis_list df1.to_excel(new_file1, index=False) df2.to_excel(new_file2, index=False) my_log('校验成功,本次对比文件为:%s%s 和 %s%s'%(fname1, ext, fname2, ext)) print('校验完成,请查看新文件') except Exception as e: print('出现未知错误,请查看error_info.txt') my_log(str(e))if __name__ == '__main__': if not get_file(): print('读取文件时发生错误,请查看error_info.txt') else: file1, file2 = get_file() main(file1, file2)
总共有3个函数:
1、my_log函数用来写入日志。
2、get_file函数用来获取当前路径下所有后缀名为.xlsx的文件,会排除掉_new.xlsx文件,并且如果当前文件夹下有打开的excel文件,会自动结束运行,提示关闭当前文件夹下已被打开的excel文件。
3、main函数用来处理比对,并输出结果:
这里主要使用pandas读取数据并逐行对比,如果不一致,会记录下差异的位置,当检查完所有行后,给数据块加上一列Compare Result,把差异的行做一个标记,最后写入生成2个新文件。
依赖包都在requirements.txt里:
pandas 1.1.4
openpyxl 3.0.7
xlrd 1.2.0
可以直接pip install -r requirements.txt,直接下载安装依赖包。
逻辑很简单,但没有经过充分测试,可能遇到某些特殊情况会有其他报错,如果有的话,给我留言说明是什么情况导致的报错,有时间就改进一下。