Python办公自动化｜批量提取Excel数据

大家好，又到了Python办公自动化系列。

今天我们来讲解一个比较简单的案例，使用openpyxl从Excel中提取指定的数据并生成新的文件，之后进一步批量自动化实现这个功能，通过本例可以学到的知识点:

• openpyxl模块的运用

• glob模块建立批处理

数据源：阿里云天池的电商婴儿数据（可自行搜索并下载，如果要完成进阶难度可直接将该数据Excel拷贝999次即可，当然这个拷贝可以交给代码来实现）

需求说明

初级难度：提取电商婴儿数据.xlsx中购买数buy_mount超过50的记录建立新的Excel表

最后形成如下的表格：

进阶难度：同一个文件夹下有1000份电商婴儿数据的Excel表格(命名为电商婴儿数据1.xlsx，电商婴儿数据2.xlsx至电商婴儿数据1000.xlsx)，需要提取所有表格中购买数buy_mount超过50的记录并汇总至一个新的Excel表

Python实现

让我们先完成初级难度的需求挑战，首先导入所需模块并打开数据表，注意

打开已经存在的Excel用load_workbook，创建新的Excel用Workbook

from openpyxl import load_workbook, Workbook

# 数据所在的文件夹目录
path = 'C:/Users/xxxxxx'

# 打开电商婴儿数据工作簿
workbook = load_workbook(path + '/' + '电商婴儿数据.xlsx')
# 打开工作表
sheet = workbook.active

接下来筛选符合条件的行

buy_mount = sheet['F']
row_lst = []
for cell in buy_mount:
    if isinstance(cell.value, int) and cell.value > 50:
        print(cell.row)
        row_lst.append(cell.row)

这一步本质上就是对购买数的各个单元格进行判断，如果数值超过50就将其行号放入一个空列表中，间接完成了筛出符合条件的行。注意这一列有可能有的单元格cell的值value不是数值类型，因此需要用isinstance()进行判断，当然也可以将单元格的值先用int()转为整型再判断。

筛选出符合条件的行号就可以提取行并且放入新的Excel中了，因此需要先创建新的工作簿，现在创建新的工作簿写入符合条件的行，思路是根据行号获取到指定行后，遍历所有单元格的值组装成一个列表，用sheet.append()写入新表

new_workbook = Workbook()
new_sheet = new_workbook.active

# 创建和 电商婴儿数据 一样的表头（第一行）
header = sheet[1]
header_lst = []
for cell in header:
    header_lst.append(cell.value)
new_sheet.append(header_lst)

# 从旧表中根据行号提取符合条件的行，并遍历单元格获取值，以列表形式写入新表
for row in row_lst:
    data_lst = []
    for cell in sheet[row]:
        data_lst.append(cell.value)
    new_sheet.append(data_lst)

# 最后切记保存
new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')

初级难度的需求已经成功完成，至此我们已经学会从单个表中提取需要的行并且放到新的表格里。有的人可能会说了：一个表格的筛选可以直接用Excel中的 筛选 来完成，不需要用代码写这么复杂，还难以理解。因此就有了进阶需求。现在需要完成的工作变成，获取1000个表格中所有符合条件的行并汇总成一个新表。如果是手动操作的行，需要打开每个表格，然后一通筛选操作后，将所有满足条件的行都复制到新表，并且执行上述操作1000次！

这显然不现实，而如果你已经理解初级需求的思路，那么只需要加上几行代码，就可以完成进阶需求。所需要的模块是glob。批处理的大概代码框架如下：

import glob

# 1000份数据所在的文件夹目录
path = 'C:/Users/xxxxxx'

for file in glob.glob(path + '/*'):
    pass

如果需要遍历特定类型的文件可以限定后缀，以xlsx后缀的Excel文件为例

for file in glob.glob(path + '/*.xlsx'):
    pass

最后只需要将上面写好的针对单个文件的代码放到循环体内部，且load_workbook的路径变成循环出的每一个xlsx文件的绝对路径。当然，还需要想清楚有些代码不能在循环体里重复被执行，如创建新表和给新表添加表头，创建新表放在循环体外就可以，添加表头可以用一个单独的变量来判断这个操作是否已经被执行。完整代码如下：

from openpyxl import load_workbook, Workbook
import glob

path = 'C:/Users/xxxxxx'
new_workbook = Workbook()
new_sheet = new_workbook.active

# 用flag变量明确新表是否已经添加了表头，只要添加过一次就无须重复再添加
flag = 0

for file in glob.glob(path + '/*.xlsx'):
    workbook = load_workbook(file)
    sheet = workbook.active
    
    buy_mount = sheet['F']
    row_lst = []
    for cell in buy_mount:
        if isinstance(cell.value, int) and cell.value > 50:
            print(cell.row)
            row_lst.append(cell.row)
    
    if not flag:
        header = sheet[1]
        header_lst = []
        for cell in header:
            header_lst.append(cell.value)
        new_sheet.append(header_lst)
        flag = 1
    
    for row in row_lst:
        data_lst = []
        for cell in sheet[row]:
            data_lst.append(cell.value)
        new_sheet.append(data_lst)

new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')

小结

以上就是使用Python实现批量从Excel中提取指定数据的全部过程和代码，如果你也有相关需求，稍作修改即可使用。其实如果你仔细思考会发现这个需求使用pandas会以更简洁的代码实现，但是由于我们之后的Python办公自动化案例中会频繁使用openpyxl，并且在操作Excel时有更多的功能，因此在之后我们将主要讲解如何使用这个openpyxl实现。最后还是希望大家能够理解Python办公自动化的一个核心就是批量操作-解放双手，让复杂的工作自动化