使用Python批量处理Excel的内容

正文共：1500 字 10 图，预估阅读时间：1 分钟

在前面的文章中（如何使用Python提取Excel中固定单元格的内容），我们介绍了如何安装Python环境和PyCharm工具，还利用搭好的环境简单测试了一下ChatGPT提供的脚本程序。

简单回顾一下上次的操作过程：

首先，我们创建了一个记事本新文件；然后，将ChatGPT提供的示例代码复制粘贴到了文件中；接着，保存文件并将文件名后缀改为了.py，并直接双击运行此文件；接下来，在打开的PyCharm工具中，我们尝试执行了脚本，主要报错是缺少对应的Python库和依赖关系。

对于缺少的组件，我们在PyCharm的顶部菜单中，选择“File”下的“Settings”打开设置对话框；然后选择“Project”下的“Project Interpreter”，单击项目解释器列表上方的 “+”按钮来添加新的Python包，在弹出的对话框中，搜索“pandas”和“openpyxl”，单击“Install Package”按钮，等待安装完成。

Pandas是一个用于数据分析的强大Python库，它提供了各种数据结构和数据操作工具，可以轻松地进行数据处理、清洗和分析等任务。它有一个依赖包，那就是openpyxl，主要用于读写Excel文件，有了openpyxl，我们就可以使用Pandas库来读取和比较Excel文件了。

最后，我们终于执行成功，读取到了Excel中的单元格数据。

当然，在上个脚本中，我有点不满意的地方，那就是设置单元格的行号和列号有点不符合常规逻辑。

# 设置需要提取的单元格行号和列号
row_index = 1
col_index = 1

当我们需要读取B2的数据时，需要将行号设置为1、列号设置为1。同时，输出的数据格式也稍微有点简单，今天我们来对脚本做一个简单升级。

我们可以使用cell_positions来选择多个不连续的单元格，像下面这样：

# 定义要提取的单元格位置
cell_positions = {
  'name': 'B2',
  'phone': 'B3',
  'address': 'B4',
  'serv': 'B5'
}

注意，这里的单元格可以使用我们所熟悉的单元格格式B2；不同单元格之间的逗号不能省略。

然后就是路径问题，Windows的中文环境中经常会包含一些特殊字符，比如汉字、数字或者空格等，经常会出现识别错误。

这里我们用了一个1月份来命名文件夹，但是这里做了一个转义，转换成了特殊字符，导致操作系统无法正确解析文件路径，进而导致读取文件失败。

虽然没有报错，但是我们可以看到它没有读到任何文件。

对于这类不合法的文件路径，可能是包含了Windows不支持的特殊字符或者非法字符，还有可能是路径名过长等原因。该问题一般有以下几种方法解决方案：

1、修正文件路径：检查您的文件路径是否包含了非法字符或者过长的路径名，如果有，将其修改为合法的路径；

2、使用原始字符串表示法：将文件路径使用原始字符串表示法（在字符串前面加上r或R）来避免转义字符和特殊字符的影响。

3、使用os.path.join函数构造文件路径：该函数会自动处理不同操作系统的路径分隔符，并确保生成的路径是合法的。

这里我是用了最常用的第2种解决方案，在在字符串前面加上r之后，检查就没有错误了。

对于该目录下的子目录，我们可以使用os.walk()函数来遍历指定文件夹下的所有文件和子文件夹，并逐个读取Excel文件。这里可以直接指定，也可以使用前面通过folder_path定义的文件夹路径变量。

最后，如果我们要将提取的内容保存到一个文本文件中，也可以使用Python的文件操作来打开指定文件并写入。

在上面的代码中，我们首先使用with open()语句打开要写入的文件，并使用'w'参数将打开文件的模式指定为写入模式。然后，在遍历文件夹和读取Excel文件时，我们将提取的内容写入到该文件中。具体来说，我们在遍历每个Excel文件时，将文件路径和提取的值写入到文件中，并在每个Excel文件处理完后，在文件中添加一个空行。

最后，整合一下，我们就得到了完整的脚本。

import os
import openpyxl
# 定义要提取的单元格位置
cell_positions = {
  'name': 'B2',
  'phone': 'B3',
  'address': 'B4',
  'serv': 'B5'
}
# 定义要处理的文件夹路径
folder_path = 'C:\python-test'
# 打开文件，准备写入提取的内容
with open(r'C:\python-test\result.txt', 'w', encoding='utf-8') as f:
  # 遍历指定文件夹下的所有 Excel 文件
  for root, dirs, files in os.walk(folder_path):
    for filename in files:
      # 仅处理 Excel 文件
      if filename.endswith('.xlsx'):
        file_path = os.path.join(root, filename)
        print(f"正在处理文件: {file_path}")
        # 打开 Excel 文件
        workbook = openpyxl.load_workbook(file_path)
        # 选择工作表
        sheet = workbook.active
        # 提取指定单元格的值
        values = {}
      for position in cell_positions:
        cell = sheet[cell_positions[position]]
        values[position] = cell.value
      # 将提取的值写入文件
      f.write(f"文件路径: {file_path}\n")
      for key, value in values.items():
        f.write(f"{key}: {value}\n")
      f.write('\n')

运行看一下效果。