goatest - 一个处理批量数据python脚本的分享

脚本包含功能：json数据转excel文件，自定义正则表达式提取批量数据，两个excel文件进行数据匹配，批量数据的编码解码等。

环境准备

执行脚本提示缺少模块，使用命令‘pip install 模块名’ 或 ‘pip3 install 模块名’即可：

import re
import openpyxl
from openpyxl import Workbook
import base64
from urllib import parse
import pypinyin

功能实现

功能分类

1. json2excel() #从一串josn{}{}中获取到想要的结果，可匹配任意数量的变量，并写入指定的excel文件中
2. re2excel() #从文本中使用正则表达式筛选出信息到excel文件中，正则表达式需自定义
3. excel2_pipei() #匹配两个excel,以key为匹配参数从excel2中检索信息填写在excel1的某一列中
4. encode_decode() #对单条数据或多条数据进行编码解码处理，包含base64,url,unicode,拼音处理

json2excel()

从一串josn{}{}中获取到想要的结果，可匹配任意数量的变量，并写入指定的excel文件中。
使用场景：
通常用于批量数据处理分析、暴力破解快速获得用户名使用。
示例json数据：

{"rows":[{"Id":3170,"UserName":"test1","CreateDate":"2021-11-12 14:34","RoleName":"测试","RoleId":183},{"Id":3172,"UserName":"user2","CreateDate":"2021-11-12 14:34","RoleName":"测试","RoleId":183},{"Id":3173,"UserName":"user3","CreateDate":"2021-11-12 14:34","RoleName":"测试","RoleId":183},{"Id":3174,"UserName":"user4","CreateDate":"2021-11-12 14:34","RoleName":"测试","RoleId":183},{"Id":3175,"UserName":"user5","CreateDate":"2021-11-12 14:34","RoleName":"测试","RoleId":183},{"Id":3185,"UserName":"user6","CreateDate":"2021-11-12 14:34","RoleName":"测试","RoleId":183}]}

使用方法1-全部提取：

处理结果：
使用方法2-部分提取：
当json数据中一条数据参数过多，而你只想提取某个参数时，使用该方法

处理结果：

re2excel()

从文本中使用正则表达式筛选出信息到excel文件中，正则表达式需自定义。
使用场景：
对于非json数据，如需批量获得具有类似数据的值，可使用该方法处理，需具备一定正则表达式的知识。
示例处理数据：

<li>             <a href="https://www.cnblogs.com/test1">机器学习<span class="tag-count">(72)</span></a>         </li>         <li>             <a href="https://www.cnblogs.com/test2">人工智能<span class="tag-count">(64)</span></a>         </li>         <li>             <a href="https://www.cnblogs.com/test3">前端<span class="tag-count">(21)</span></a>         </li>

使用方法：

由于在cmd下直接输入正则表达式容易误输入中文字符，建议现在notepad++上尝试是否能匹配到。

处理结果：
3.3 excel2_pipei()
匹配两个excel,以key为匹配参数从excel2中检索信息填写在excel1的某一列中。
使用场景：
excel1保存了id、username，excel2保存了id、password，可使用该方法将两个excel的数据进行匹配，获得比较全的数据，在企业自测口令安全中使用较多。
示例数据：
excel1

excel2

使用方法：

处理结果：

encode_decode()

对单条数据或多条数据进行编码解码处理，包含base64,url,unicode,拼音处理
使用场景：
处于内网环境，无法在线使用编码解码工具，根据姓名输出可能的密码字典
使用方法1-base64编码解码处理：

使用方法2-url编码解码处理：

使用方法3-Unicode编码解码处理：
使用方法4-拼音全拼简拼处理：

使用方法5-循环输入单条数据：

使用方法6-从文本中读取批量数据处理：

整体使用

使用方法：命令台下执行‘python tool_tool.py’ or ‘python3 tool_tool.py’

源代码

由于本人为非专业的开发人员，代码实现上可能会较为繁琐，仅为实现相关功能。
代码上已实现输入参数的校验及循环输入，输出文件保存错误提示，代码小白也可以正常使用，具备较好的友好性。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# author：goat time:2021/11/15
'''
基础函数
1       text2list()             #从text中读取数据并返回一个list
2       list2text()             #把list转化为text,可指定间隔符
3       listll2excel()          #把list[][]按行写入excel
4       excel2listll()          #把excel转换为list[][]
5       base64_url()            #base64/url编码解码
6       pinyin_list2str()       #把字符串进行base64/url等编码解码处理
7       encode_decode_io()      #循环监听输入的处理方式，直到输入正确
'''
import re
import openpyxl
from openpyxl import Workbook
import base64
from urllib import parse
import pypinyin
'''
从text中读取数据并返回一个list
'''
def text2list(text_path):
    l = []
    with open(text_path, encoding='utf-8') as f:
        text = f.read()
        for l1 in re.split(r'[\s\n,;]+', text):  # 以文本中空格，回车，逗号，顿号为切割符处理
            l.append(l1)
    return l
'''
把list转化为text,可指定间隔符
'''
def list2text(l, text_path, tag):
    with open(text_path, 'w', encoding='utf-8') as f:
        for i in l:
            f.write(str(i) + tag)
'''
把二层list[][]按行写入excel
'''
def listll2excel(ll, excel_path):
    wb = Workbook()
    ws = wb.active
    for x in ll:
        ws.append(x)
    wb.save(excel_path)
'''
把excel转换为list[][]
'''
def excel2listll(excel_path, sheet_index=0):
    wb = openpyxl.load_workbook(excel_path)
    ws = wb[wb.sheetnames[sheet_index]]
    total_list = []
    for row in ws.rows:  # ws.rows是一个生成器
        row_list = []
        for cell in row:  # 直接从行中取每个cell
            row_list.append(cell.value)
        total_list.append(row_list)
    return total_list
'''
把pinyin处理的多层list提取出来处理为一个字符串
'''
def pinyin_list2str(ll, level):
    s = ''
    if level == 0:
        for x in ll:
            s = s + x[0]
    elif level == 1:
        for x in ll:
            s = s + x[0][0]
    else:
        s = '处理错误'
    return s
'''
把字符串进行base64/url等编码解码处理
'''
def base64_url(s, k):
    if k == '00':  # base64编码
        x = base64.b64encode(s.encode('utf-8')).decode('utf-8')
    elif k == '01':  # base64解码
        x = base64.b64decode(s.encode('utf-8')).decode('utf-8')
    elif k == '10':  # url编码
        x = parse.quote(s)
    elif k == '11':  # url解码
        x = parse.unquote(s)
    elif k == '20':  # unicode编码
        x = s.encode('unicode_escape').decode('utf-8')
    elif k == '21':  # unicode解码
        x = s.encode('utf-8').decode('unicode_escape')
    elif k == '30':  # 拼音全拼输出
        x = pinyin_list2str(pypinyin.pinyin(s, style=pypinyin.NORMAL), 0)
    elif k == '31':  # 拼音首字母输出
        x = pinyin_list2str(pypinyin.pinyin(s, style=pypinyin.NORMAL), 1)
    else:
        x = '测试处理参数输入信息错误！'
    return x
'''
循环监听输入的处理方式，直到输入正确
'''
def encode_decode_io():
    global k
    print('base64编码：00，base64解码：01; url编码：10，url解码：11;  unicode编码：20,unicode解码：21;拼音全拼输出：30，拼音首字母输出：31; 输入end返回上一级')
    in_k = input("请输入处理方法>>>")
    if in_k in ['00', '01', '10', '11', '20', '21', '30', '31']:
        k = in_k
    elif in_k == 'end':
        main()
    else:
        print("参数选取错误!")
        encode_decode_io()  # 自循环等待输入成功
message = '''
对数据进行批量加工处理，输入序号选择
1      json2excel()             #从一串josn{}{}中获取到想要的结果，可匹配任意数量的变量，并写入指定的excel文件中
2      re2excel()               #从文本中使用正则表达式筛选出信息到excel文件中，正则表达式需自定义
3      excel2_pipei()           #匹配两个excel,以key为匹配参数从excel2中检索信息填写在excel1的某一列中
4      encode_decode()          #对单条数据或多条数据进行编码解码处理，包含base64,url,unicode,拼音处理
'''
'''
从一串josn{}{}中获取到想要的结果，可匹配任意数量的变量,并写入指定excel文件中
'''
def json2excel():
    path_du = input("请输入要读取的json文件地址，同路径下直接输入文件名，或输入绝对或相对路径>>>")
    with open(path_du, 'r', encoding='utf-8') as f:  # 读取
        s = f.read()
    list_xuqiu = []  # 保存需提取的值
    json_key = re.findall('{.*?\[({.*?})', s, re.S)  # 获取第一个{}
    list_xuqiu = re.findall('"([a-zA-Z0-9]+)":', json_key[0], re.S)  # 获取key值
    print("自动识别json数据为:", list_xuqiu)
    auto = input("提取部分参数输入0，全部提取输入任意值>>>")
    if auto == '0':
        list_xuqiu = []  # 手动提取时先置空
        while True == True:
            xuqiu = input("请输入需要匹配的参数，输入0结束>>>")
            if xuqiu != '0':
                list_xuqiu.append(xuqiu)
            else:
                break
    elif auto == '1':
        pass
    print("提取数据为:", list_xuqiu)
    list_xuqiu_compile = []
    for i in range(len(list_xuqiu)):
        list_xuqiu_compile.append(re.compile(str(list_xuqiu[i] + '\":(.*?)[,}]'), re.S))
    # print(list_xuqiu_compile)#查看匹配集合是否出问题
    c = re.compile('{.*?}', re.S)  # 定位每个框
    results = re.findall(c, s)
    # print(results)#查看{}返回结果
    path_xie = input("请输入需要输出的excel文件名称,如1.xlsx>>>")
    ll_result = []  # 获取到的结果记录在ll_result中
    ll_result.append(list_xuqiu)  # 把需求参数添加，后续写在excel的第一行
    for result in results:  # 遍历每个框
        l_result = []
        for cc in list_xuqiu_compile:  # 遍历寻找几个值
            ccc = re.findall(cc, result)
            if ccc:
                l_result.append(re.sub(r'[\"]', '', ccc[0]))  # 去除“”包裹
            else:
                l_result.append('无')
        ll_result.append(l_result)
    # print(ll_result)
    listll2excel(ll_result, path_xie)
    print("写入完成，请查看同目录下文件")
'''
从文本中使用正则表达式筛选出信息到excel文件中，正则表达式需自定义
'''
def re2excel():
    path_du = input("请输入要读取的文件地址，同路径下直接输入文件名，或输入绝对或相对路径>>>")
    with open(path_du, 'r', encoding='utf-8') as f:  # 读取
        s = f.read()
    str_re = input("请输入自定义正则表达式，请注意中英文字符，建议先在notepad++单条查询尝试>>>")
    c = re.compile(str_re, re.S)
    results = re.findall(c, s)
    # print(results)#查看{}返回结果
    path_xie = input("请输入需要输出的excel文件名称,如1.xlsx>>>")
    try:
        listll2excel(results, path_xie)
        print("写入完成，请查看同目录下文件")
    except:
        print("保存失败，请确认同名文件未被打开")
'''
匹配两个excel,以key为匹配参数从excel2中检索信息填写在excel1的某一列中
'''
def excel2_pipei():
    print("---\n比如1.xlsx保存了'id','name'，2.xlsx保存了'id','passwd',则可以将2.xlsx的passwd信息写入1.xlsx的某一列\n---")
    excel_path1 = input("请输入需写入信息的excel文件地址，同路径下直接输入文件名，或输入绝对或相对路径>>>")
    l1_key = input("请输入excel-key所在的列,如第一列输入1>>>")
    l1_value = input("请输入excel被写入的列值,如第二列输入2>>>")
    l1 = [int(l1_key), int(l1_value)]
    wb = openpyxl.load_workbook(excel_path1)
    ws = wb[wb.sheetnames[0]]
    excel_path2 = input("请输入需提取信息的excel文件地址，同路径下直接输入文件名，或输入绝对或相对路径>>>")
    l2_key = input("请输入excel-key所在的列,如第一列输入1>>>")
    l2_value = input("请输入需提取的值所在的列,如第二列输入2>>>")
    l2 = [int(l2_key), int(l2_value)]
    ll = excel2listll(excel_path2)
    dict_index = {}
    for x in ll:
        key_s = str(x[l2[0] - 1]).strip()  # .strip()去除前后空格
        value_s = str(x[l2[1] - 1])
        dict_index[key_s] = value_s
    # print(dict_index.keys())
    for r in range(1, ws.max_row + 1):
        key_ss = str(ws.cell(r, l1[0]).value).strip()
        if key_ss in dict_index.keys():
            ws.cell(r, l1[1]).value = str(dict_index[key_ss])
            # print(key_ss,dict_index[key_ss])
        else:
            pass
            # print(key_ss,"无法匹配")
    try:
        wb.save(excel_path1)
        print("保存成功，请查看被写入excel文件")
    except:
        print("保存失败，请关闭被写入信息的excel文件再操作")
        c = input("请确认关闭文件后，输入任意信息继续保存>>>")
        if c:
            print("再次保存，请查看是否保存成功")
            wb.save(excel_path1)
'''
对单条数据或多条数据进行编码解码处理，包含base64,url
'''
def encode_decode():
    code_way = input("处理单条数据输入0，处理批量数据输入1>>>")
    if code_way == '0':
        while True == True:
            s = input("可循环输入，输入end结束循环，请输入单条字符串数据>>>")
            if s != 'end':
                s2 = base64_url(s, k)
                print("结果为：     ", s2)
            else:
                encode_decode_io()
                encode_decode()
                break
    elif code_way == '1':
        path_du = input("请输入文件名称>>>")
        l = text2list(path_du)
        l2 = []
        for s in l:
            x = base64_url(s, k)
            l2.append(x)
        path_xie = input("处理完成，请输入写入的文件名称>>>")
        list2text(l2, path_xie, '\n')
        print("写入完成，请查看文件" + path_xie)
    else:
        print("参数选取错误!")
        encode_decode()
'''
定义用户输入选择
'''
k = ''#全局变量k,定义用户的编码处理方式
def IO():
    way = input("请输入要执行的操作>>>")
    if way == '1':
        json2excel()
    elif way == '2':
        re2excel()
    elif way == '3':
        excel2_pipei()
    elif way == '4':
        k = ''
        encode_decode_io()  # 循环等待输入成功，将正确的in_k赋值给全局变量K
        encode_decode()
    else:
        print("参数选取错误!")
        IO()
def main():
    while True == True:
        print(message)
        IO()
        io = input("处理完成，是否还要再处理数据,输入任意字符继续，输入end结束>>>")
        if io == 'end':
            break
if __name__ == '__main__':
    main()

结语

这是本人的第一次工具分享，实现的功能和方法都比较基础，大佬高抬贵手。文章中部分名词或描述可能存在错误，代码实现可能存在部分缺陷，欢迎讨论和指出。
编写该工具的目的，最开始是因为企业自查弱口令，方便从返回包提取用户名进行暴力破解，再对弱口令账户关联身份信息；暴力破解过程中，部分系统会进行简单编码，并可以通过身份信息构造相应的弱密码字典，在弱口令自查中有奇效；后面是在风控分析中，可手动关联多个excel表，手动分析出异常行为用户（手动的原因当然是目前还没有风控系统）。

一起学Python - 30个极简Python代码

30个极简Python代码