Python3正则表达式清洗Excel文档，,本项目中虽然数据量不

Python3正则表达式清洗Excel文档，,本项目中虽然数据量不

本项目中虽然数据量不大，用Excel自带的替换功能也能实现，但是针对上几千条字段去匹配数据的话，Python就明显高效的多，现在开始讲解：

要清洗的是Excel文档中所有字段的地名，

需要清洗数据：

首先，需要导入xlrd和re包，前者是用来读写Excel文档，后者是正则表达式的包

 1 #-*- coding:gbk -*- 2 import xlrd   3 import re 4  5 #打开一个Excel表 6 data = xlrd.open_workbook(‘/home/kin/company.xlsx‘) 7  8 #按顺序选择第5张表（sheet） 9 table = data.sheets()[4]10 11 #循环遍历把表中一列的数据用字符串拼接的形式赋值给字符串变量“temp”12 temp = ""13 for x in range(18):14     #get row_value15     var = table.row_values(x)16     temp +=var[0] + "|"17 18 19 #一定要去除最后一个“|”字符，否则while循环时会认为“空值”完全匹配进入死循环20 temp = temp[:-1]21 22 #新建并打开一个xlsx文档，“w”是选择复写，编译码为utf-823 file = open("/home/kin/Desktop/z.xlsx","w",encoding="utf-8")24 25 #选择第二张表26 table2 = data.sheets()[1]27 28 #编译正则表达式29 pt = re.compile(temp)30 31 32 #可以将num，num2加入循环，print查看num总数，判断是否执行总数33 num = 0 34 num2 = 035 36 #循环遍历37 for x in range(10000):38         #get row_value39     var2 = table2.row_values(x)40         #var2[0]读取每行第一列元素41     while pt.search(var2[0]):42                 #group()匹配正则表达式整体结果43         a = pt.search(var2[0]).group()44                  #将匹配结果用空字符串替代45         var2[0] = var2[0].replace(a,"")46                 #将处理完的结果赋值给name47         name = var2[0]48        #用回车做分隔符写入49     file.write(name + "\n")50     #切记flush（）方法必须放在while循环局部，不然结果会将所有运算结果从缓存内写入51     file.flush()52 53 file.close54                    

结果：

Python3正则表达式清洗Excel文档