Python匹配Word文件和PDF文件是否相同，并输出不同的字段与所处的位置

在Python中，比较Word (`.docx`) 和 PDF (`.pdf`) 文件的内容并找出不同之处通常需要借助一些第三方库，因为标准库并不直接支持这两种格式的深度解析。常用的库包括`python-docx`用于处理Word文档和`PyPDF2`或`tabula-py`（针对PDF表格）来处理PDF。

首先，你需要安装这两个库（如果尚未安装）：

pip install python-docx PyPDF2 tabula-py

然后，你可以创建一个简单的脚本来对比两个文件：

from docx import Document
import PyPDF2

def compare_files(doc_path, pdf_path):
    # Word文件读取
    doc = Document(doc_path)
    
    # PDF文件读取
    with open(pdf_path, 'rb') as file:
        pdf_reader = PyPDF2.PdfFileReader(file)
        
    # 检查文档页数
    if doc.num_pages != pdf_reader.getNumPages():
        print(f"文件页面数不同：{doc_path} - {doc.num_pages}, {pdf_path} - {pdf_reader.getNumPages()}")
    
    diff_fields = []
    for i in range(min(doc.num_pages, pdf_reader.getNumPages())):
        doc_page_text = doc.paragraphs[i].text
        pdf_page_text = pdf_reader.getPage(i).extractText()
        
        if doc_page_text != pdf_page_text:
            diff_fields.append((f"Page {i+1}", "Word", doc_page_text, "PDF", pdf_page_text))
            
    return diff_fields

# 使用函数
result = compare_files('word.docx', 'pdf_file.pdf')
for field in result:
    print(f"{field[0]}: Word - {field[2]}, PDF - {field[3]}")