#文档

DOCX Compare

Compare two Word documents (DOCX) to find duplicate text paragraphs and duplicate images. Supports exact string matching, fuzzy matching (difflib), and image MD5 hash comparison. Outputs highlighted DOCX files and a detailed text report. Use when: (1) a user asks to check or compare duplicate content between two Word documents; (2) review for content overlap, version comparison, or plagiarism detection; (3) need to locate duplicated images across documents.

zmz209@zmz209

Install

openclaw skills install @zmz209/docx-compare

DOCX 文档查重工具

比较两个 Word 文档（.docx），找出重复的文本段落和重复的图片。

什么时候用

用户说"帮我查一下这两个 Word 文档内容有没有重复"
比较同一文档的不同版本，找出新增/重复内容
需要定位跨文档的重复图片

快速开始

bash

# 最基本用法：比较两个 docx
python scripts/compare_docx.py --file1 文档A.docx --file2 文档B.docx

# 指定输出目录
python scripts/compare_docx.py --file1 文档A.docx --file2 文档B.docx --output ./对比结果

功能说明

模式	说明	阈值
精确匹配	标准化后完全相同的段落	100%
模糊匹配	相似度超过阈值的段落	≥95%
图片查重	通过 MD5 哈希值比较图片	100%

输出

*_标记重复.docx — 高亮标记了重复文字的原始文档
*_标记图片重复.docx — 标注了重复图片的原始文档
*_重复报告.txt — 纯文本详细对比报告

脚本参数

text

python scripts/compare_docx.py \
  --file1 <路径>          # 必需：第一个文档
  --file2 <路径>          # 必需：第二个文档
  --output <目录>         # 可选：输出目录（默认同目录）
  --mode all|text|image   # 可选：检查模式（默认 all）
  --threshold 0.95        # 可选：模糊匹配相似度阈值（默认 0.95）

依赖

python-docx 用于读写 DOCX 文件
difflib（标准库）用于模糊匹配
hashlib（标准库）用于图片 MD5 计算

安装依赖：