提取Excel数据再处理

代码逻辑

  1. 文件
    1. 路径定义
    2. 删除旧文件
  2. Sheet
    1. 读取Sheet
    2. 遍历Sheet
  3. Sheet数据-读
    1. 提取报告列
      1. 通过“-”进行切割保存为数组
      2. APT组织名 = 报告数组[0]
      3. 报告披露时间 = 报告数组[2]
    2. 数据校验
      1. 2数组个数是否一致
      2. 数组个数与列数是否一致
  4. Sheet数据-写
    1. 新增“时间”列，并填入时间列表
    2. 列操作：在“组织列”填入提取的APT组织名列表
  5. 遍历Sheet
    1. 前：使用“ExcelWriter”定义输出Excel
    2. 中：使用“to_excel”保存单个Sheet
    3. 后：使用“.save()”“.close()”对“ExcelWriter”保存后关闭

      🐍Python代码🐍

      ```python import os import sys import pandas as pd

定义文件路径

excelIn = r”In-2.xlsx” excelOut = r”Out.xlsx”

健壮性：删除旧文件

if os.path.isfile(excelOut): os.remove(excelOut)

  1. # print("已删除旧文件")

读取所有的Sheet

sheetAPTs = pd.ExcelFile(excelIn).sheet_names

print(sheetAPT) #type = list

注意：多Sheet时，ExcelWriter要写在循环外，不然会被覆盖

excelWriter = pd.ExcelWriter(excelOut)

遍历Sheet

for sheetAPT in sheetAPTs:

  1. # read_excel读取遍历的Sheet
  2. # print("Sheet名：\t", sheetAPT)
  3. dfSheet = pd.read_excel(excelIn, sheet_name=sheetAPT)
  4. # print(dfSheet)
  6. # 提取“报告”列
  7. seriesTittle = dfSheet['报告']
  8. # print(seriesTittle)
  9. # 将报告名转为字符串
  10. listTittle = seriesTittle.to_list()
  11. # print("所有报告：", listTittle)
  13. arrAPT = []
  14. arrDate = []
  15. for tittle in listTittle:
  16.     # print("报告：", tittle)
  18.     listSplitStr = tittle.split('-')
  19.     # print(listSplitStr)
  20.     strAPT = listSplitStr[0]
  21.     # print(strAPT)
  22.     arrAPT.append(strAPT)
  23.     strDate = listSplitStr[1]
  24.     # print(strDate)
  25.     arrDate.append(strDate)
  26. # print("组织名：\t\t", arrAPT)
  27. # print("报告时间：\t", arrDate)
  29. # 健壮性：检测时间个数是否是行数
  30. nRows = len(dfSheet)
  31. nAPT = len(arrAPT)
  32. nDate = len(arrDate)
  33. if nRows != nAPT != nDate:
  34.     print("有报告标题不符合格式")
  35.     print("列数为：", nRows)
  36.     print("提取出的时间个数为：", nDate)
  37.     sys.exit()
  39. # 列操作：新增“时间”列，并填入时间列表
  40. dfSheet.insert(len(dfSheet.columns), '时间', arrDate)
  42. # 列操作：在“组织列”填入提取的APT组织名列表
  43. dfSheet['组织'] = arrAPT
  45. # 使用to_excel保存Sheet
  46. dfSheet.to_excel(excelWriter, sheetAPT, index=False)

保存Excel

excelWriter.save() excelWriter.close()

print(‘Python脚本已运行完毕’)

  1. <a name="ycbEh"></a>
  2. ## 弃用代码
  3. ```python
  4.     # 正则提取时间
  5.     # (?<=exp)  ：定义目标字符串起始位置要求
  6.     # (?=exp)   ：定义目标字符串结束位置要求
  7.     # [\d.]{8}  ：8个数字或“.”长度的字符串
  8.     arrayDate = re.findall("(?<=-)[\d.]{8}(?=-)", listTittle)
  9.     print(arrayDate)