用python + openpyxl处理excel2007文档思路以及心得
寻觅工具
确定任务之后第一步就是找个趁手的库来干活。PythonExcel上列出了xlrd、xlwt、xlutils这几个包，但是
它们都比较老，xlwt甚至不支持07版以后的excel
它们的文档不太友好，都可能需要去读源代码，而老姐的任务比较紧，加上我当时在期末，没有这个时间细读源代码
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~
安装
这个很容易，直接pipinstallopenpyxl，呵呵呵~
因为我不需要处理图片，就没有装pillow。
一些考虑
源文件大约一个在1~2MB左右，比较小，所以可以直接读入内存处理。
既然是处理excel，何况他们整个组显然都是win下干活（数据都用excel存了==，商科的人啊……），这个脚本还是在win下做吧
这个任务完全不需要我对现有的文件做修改！囧……我只要读入、处理、再写出另一个文件就行了
学习使用
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
fromopenpyxlimportWorkbook fromopenpyxlimportload_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。
干活
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pythonlist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
forsheetNameininwb.get_sheet_names(): ifnotsheetName.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
iflen(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)
foriinrange(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。
一些要注意的地方
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
foridx,cellinenumerate(colA): #dosomething...
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
ifnotcell.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
ifisinstance(cell.value,unicode): break
之类的语句处理。
win下的cmd似乎不太好设定用utf-8的codepage，如果是简体中文的话可以用936（GBK），print的时候会自动从unicode转换到GBK输出到终端。
一些帮忙处理中文问题的小函数
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：
#annoyingseperators dot=u'\u00b7' dash=u'\u2014' emph=u'\u2022' dot2=u'\u2027' seps=(u'.',dot,dash,emph,dot2) defget_clean_ch_string(chstring): """RemoveannoyingseperatorsfromtheChinesestring. Usage: cleanstring=get_clean_ch_string(chstring) """ cleanstring=chstring forsepinseps: cleanstring=cleanstring.replace(sep,u'') returncleanstring
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：
#regexpatternmatchingallasciicharacters
asciiPattern=ur'[%s]+'%''.join(chr(i)foriinrange(32,127))
#regexpatternmatchingallcommonChinesecharactersandseporators
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：
defsplit_name(name):
"""Split[Englishname,Chinesename].
Ifoneofthemismissing,Nonewillbereturnedinstead.
Usage:
engName,chName=split_name(name)
"""
matches=re.match('(%s)(%s)'%(asciiPattern,chinesePattern),name)
ifmatches:#Englishname+Chinesename
returnmatches.group(1).strip(),matches.group(2).strip()
else:
matches=re.findall('(%s)'%(chinesePattern),name)
matches=''.join(matches).strip()
ifmatches:#Chinesenameonly
returnNone,matches
else:#Englishnameonly
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firstname指的是名，lastname指的是姓，2333）
defsplit_ch_name(chName): """SplittheChinesenameintofirstnameandlastname. *IfthenameisXYorXYZ,Xwillbereturnedasthelastname. *IfthenameisWXYZ,WXwillbereturnedasthelastname. *Ifthenameis...WXYZ,thewholenamewillbereturned asthelastname. *Ifthenameis..ABC*XYZ...,thepartbeforetheseperator willbereturnedasthelastname. Usage: chFirstName,chLastName=split_ch_name(chName) """ iflen(chName)<4:#XYorXYZ chLastName=chName[0] chFirstName=chName[1:] eliflen(chName)==4:#WXYZ chLastName=chName[:2] chFirstName=chName[2:] else:#longer cleanName=get_clean_ch_string(chName) nameParts=cleanName.split() printu''.join(nameParts) iflen(nameParts)<2:#...WXYZ returnNone,nameParts[0] chLastName,chFirstName=nameParts[:2]#..ABC*XYZ... returnchFirstName,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。