标签：style blog http color 使用 strong
最近要帮做RA的老姐写个合并excel工作表的脚本……源数据是4000+个excel 工作表，分布在9个xlsm文件里，文件内容是中英文混杂的一些数据，需要从每张表中提取需要的部分，分门别类合并到多个大的表里。
确定任务之后第一步就是找个趁手的库来干活。 Python Excel上列出了xlrd、xlwt、xlutils这几个包，但是
再一番搜索后我找到了openpyxl，支持07+的excel，一直有人在维护，文档清晰易读，参照Tutorial和API文档很快就能上手，就是它了~
这个很容易，直接pip install openpyxl，呵呵呵~
因为我不需要处理图片，就没有装pillow。
嗯，就是打开cmd，然后用python的shell各种玩这个模块来上手……（win下没有装ipython，囧）
做这个小脚本基本上我只需要import两个东西
from openpyxl import Workbook from openpyxl import load_workbook
load_workbook顾名思义是把文件导入到内存，Workbook是最基本的一个类，用来在内存里创建文件最后写进磁盘的。
首先我需要导入这个文件
inwb = load_workbook(filename)
得到的就是一个workbook对象
然后我需要创建一个新的文件
outwb = Workbook()
接着在这个新文件里，用create_sheet新建几个工作表，比如
careerSheet = outwb.create_sheet(0, ‘career‘)
就会从头部插入一个叫career的工作表（也就是说用法类似python list的insert）
接下来我需要遍历输入文件的每个工作表，并且按照表名做一些工作（e.g.如果表名不是数字，我不需要处理），openpyxl支持用字典一样的方式通过表名获取工作表，获取一个工作簿的表名的方法是get_sheet_names
for sheetName in inwb.get_sheet_names(): if not sheetName.isdigit(): continue sheet = inwb[sheetName]
得到工作表之后，就是按列和行处理了。openpyxl会根据工作表里实际有数据的区域来确定行数和列数，获取行和列的方法是sheet.rows和sheet.columns，它们都可以像list一样用。比如，如果我想跳过数据少于2列的表，可以写
if len(sheet.columns) < 2: continue
如果我想获取这个工作表的前两列，可以写
colA, colB = sheet.columns[:2]
除了用columns和rows来得到这个工作表的行列之外，还可以用excel的单元格编码来获取一个区域，比如
cells = sheet[‘A1‘:‘B20‘]
有点像excel自己的函数，可以拉出一块二维的区域~
为了方便处理，遇到一个没有C列的工作表，我要创建一个和A列等长的空的C列出来，那么我可以用sheet.cell这个方法，通过传入单元格编号和添加空值来创建新列。
alen = len(colA) for i in range(1, alen + 1): sheet.cell(‘C%s‘ % (i)).value = None
注意：excel的单元格命名是从1开始的~
上面的代码也显示出来了，获取单元格的值是用cell.value（可以是左值也可以是右值），它的类型可以是字符串、浮点数、整数、或者时间（datetime.datetime），excel文件里也会生成对应类型的数据。
得到每个单元格的值之后，就可以进行操作了~openpyxl会自 动将字符串用unicode编码，所以字符串都是unicode类型的。
除了逐个逐个单元格用cell.value修改值以外，还可以一行行append到工作表里
sheet.append(strA, dateB, numC)
最后，等新的文件写好，直接用workbook.save保存就行
outwb.save("test.xlsx")
这个会覆盖当前已有的文件，甚至你之前读取到内存的那个文件。
如果要在遍历一列的每个单元格的时候获取当前单元格的在这个column对象里的下标
for idx, cell in enumerate(colA): # do something...
为了防止获取的数据两端有看不见的空格（excel文件里很常见的坑），记得strip()
如果工作表里的单元格没有数据，openpyxl会让它的值为None，所以如果要基于单元格的值做处理，不能预先假定它的类型，最好用
if not cell.value continue
之类的语句来先行判断
如果要处理的excel文件里有很多noise，比如当你预期一个单元格是时间的时候，有些表的数据可能是字符串，这时候可以用
if isinstance(cell.value, unicode): break
之类的语句处理。
我处理的表有一些超出GBK范围的字符，当我需要把一些信息print出来监控处理进度的时候非常麻烦，好在它们都是可以无视的，我直接用空格替换再print也行，所以加上一些我本来就要替换掉的分隔符，我可以：
# annoying seperators dot = u‘\u00b7‘ dash = u‘\u2014‘ emph = u‘\u2022‘ dot2 = u‘\u2027‘ seps = (u‘.‘, dot, dash, emph, dot2) def get_clean_ch_string(chstring): """Remove annoying seperators from the Chinese string. Usage: cleanstring = get_clean_ch_string(chstring) """ cleanstring = chstring for sep in seps: cleanstring = cleanstring.replace(sep, u‘ ‘) return cleanstring
此外我还有一个需求，是把英文名[空格]中文名分成英文姓、英文名、中文姓、中文名。
首先我需要能把英文和中文分割开，我的办法是用正则匹配，按照常见中英文字符在unicode的范围来套。匹配英文和中文的正则pattern如下：
# regex pattern matching all ascii characters asciiPattern = ur‘[%s]+‘ % ‘‘.join(chr(i) for i in range(32, 127)) # regex pattern matching all common Chinese characters and seporators chinesePattern = ur‘[\u4e00-\u9fff. %s]+‘ % (‘‘.join(seps))
英文就用ASCII可打印字符的范围替代，常见中文字符的范围是\u4e00-\u9fff，那个seps是前面提到过的超出GBK范围的一些字符。 除了简单的分割，我还需要处理只有中文名没有英文名、只有英文名没有中文名等情况，判断逻辑如下：
def split_name(name): """Split [English name, Chinese name]. If one of them is missing, None will be returned instead. Usage: engName, chName = split_name(name) """ matches = re.match(‘(%s) (%s)‘ % (asciiPattern, chinesePattern), name) if matches: # English name + Chinese name return matches.group(1).strip(), matches.group(2).strip() else: matches = re.findall(‘(%s)‘ % (chinesePattern), name) matches = ‘‘.join(matches).strip() if matches: # Chinese name only return None, matches else: # English name only matches = re.findall(‘(%s)‘ % (asciiPattern), name) return ‘‘.join(matches).strip(), None
得到了中文名之后，我需要分割成姓和名，因为任务要求不需要把姓名分割得很明确，我就按照常见的中文名姓名分割方式来分——两个字or三个字的第一个字是姓，四个字的前两个字是姓，名字带分隔符的（少数民族名字）分隔符前是姓（这里用到了前面的get_clean_ch_string函数来移除分隔符），名字再长一些又不带分割符的，假设整个字符串都是名字。（注意英语的first name 指的是名，last name指的是姓，2333）
def split_ch_name(chName): """Split the Chinese name into first name and last name. * If the name is XY or XYZ, X will be returned as the last name. * If the name is WXYZ, WX will be returned as the last name. * If the name is ...WXYZ, the whole name will be returned as the last name. * If the name is ..ABC * XYZ..., the part before the seperator will be returned as the last name. Usage: chFirstName, chLastName = split_ch_name(chName) """ if len(chName) < 4: # XY or XYZ chLastName = chName[0] chFirstName = chName[1:] elif len(chName) == 4: # WXYZ chLastName = chName[:2] chFirstName = chName[2:] else: # longer cleanName = get_clean_ch_string(chName) nameParts = cleanName.split() print u‘ ‘.join(nameParts) if len(nameParts) < 2: # ...WXYZ return None, nameParts[0] chLastName, chFirstName = nameParts[:2] # ..ABC * XYZ... return chFirstName, chLastName
分割英文名就很简单了，空格分开，第一部分是名，第二部分是姓，其他情况暂时不管就行。
[笔记]用python + openpyxl处理excel(07+)文档 + 一些中文处理的技巧,布布扣,bubuko.com
[笔记]用python + openpyxl处理excel(07+)文档 + 一些中文处理的技巧
标签：style blog http color 使用 strong
原文地址：http://www.cnblogs.com/joyeecheung/p/3842002.html
