用python从符合一定格式的txt文档中逐行读取数据并按一定规则写入excel（openpyxl支持Excel 2007 .xlsx格式）

Posted 2020-08-06 蚂蚁玩python

前几天接到一个任务，从gerrit上通过ssh命令获取一些commit相关的数据到文本文档中，随后将这些数据存入Excel中。数据格式如下图所示

观察上图可知，存在文本文档中的数据符合一定的格式，通过python读取、正则表达式处理并写入Excel文档将大大减少人工处理的工作量。

　　1. 从gerrit获取原始信息，存入文本文档： 

　　$ssh –p 29418 <your-account>@192.168.1.16 gerrit query status:merged since:<date/7/days/ago> 2>&1 | tee merged_patch_this_week.txt

　　2. 从txt文档中读取数据。

　　Python的标准库中，文件对象提供了三个“读”方法： .read()、.readline() 和 .readlines()。每种方法可以接受一个变量以限制每次读取的数据量，但它们通常不使用变量。 .read() 每次读取整个文件，它通常用于将文件内容放到一个字符串变量中。然而 .read() 生成文件内容最直接的字符串表示，但对于连续的面向行的处理，它却是不必要的，并且如果文件大于可用内存，则不可能实现这种处理。

　　readline() 和 readlines()之间的差异是后者一次读取整个文件，象 .read()一样。.readlines()自动将文件内容分析成一个行的列表，该列表可以由 Python 的 for... in ... 结构进行处理。另一方面，.readline()每次只读取一行，通常比 .readlines()慢得多。仅当没有足够内存可以一次读取整个文件时，才应该使用.readline()。   

patch_file_name="merged_patch_this_week.txt"      
patch_file=open(patch_file_name,‘r‘)        #打开文档，逐行读取数据
for line in open(patch_file_name):
    line=patch_file.readline()
    print line

　　3. 写入到Excel文档中

 　　　　python处理Excel的函数库中，xlrd、xlwt、xlutils比较常用，网上关于它们的资料也有很多。但由于它们都不支持Excel 2007以后的版本(.xlsx)，所以只能忍痛放弃。

经过一番搜索，找到了openpyxl这个函数库，它不仅支持Excel 2007，并且一直有人维护（当前最新版本为2.2.1，2015年3月31日发布）。官方的描述为:

A Python library to read/write Excel 2007 xlsx/xlsm files，它的文档清晰易读，相关网站：http://openpyxl.readthedocs.org/en/latest/index.html

　　openpyxl 下载地址：https://bitbucket.org/openpyxl/openpyxl/get/2.2.1.tar.bz2

　　它依赖于jdcal 模块，下载地址： https://pypi.python.org/packages/source/j/jdcal/jdcal-1.0.tar.gz

　　安装方法(windows 7)：首先安装jdcal模块--解压缩到某目录，cd到该目录，运行"python setup.py install"。 然后安装openpyxl,方法相同。

　　写入步骤如下：

　　1. 打开工作簿:

wb=load_workbook(‘android_Patch_Review-Y2015.xlsx‘)

  　 2. 获得工作表

sheetnames = wb.get_sheet_names()                   
ws = wb.get_sheet_by_name(sheetnames[2])  

　　3. 将txt文档中的数据写入并设置单元格格式

patch_file_name="merged_patch_this_week.txt"      
patch_file=open(patch_file_name,‘r‘)        #打开文档，逐行读取数据
ft=Font(name=‘Neo Sans Intel‘,size=11)
for line in open(patch_file_name):
    line=patch_file.readline()
    ws.cell(row=1,column=6).value=re.sub(‘project:‘,‘‘,line)#匹配project行，若匹配成功，则将字符串“project:”删除，剩余部分写入Excel第1行第6列
    ws.cell(row=rows+1,column=1).font=ft

 

　　4. 保存工作簿

wb.save(‘Android_Patch_Review-Y2015.xlsx‘)

 

 

完整代码如下：

 

from openpyxl.workbook import Workbook
from openpyxl.reader.excel import load_workbook
from openpyxl.styles import PatternFill, Border, Side, Alignment, Protection, Font
import re
#from openpyxl.writer.excel import ExcelWriter
#import xlrd

ft=Font(name=‘Neo Sans Intel‘,size=11)             #define font style
bd=Border(left=Side(border_style=‘thin‘,color=‘00000000‘),          right=Side(border_style=‘thin‘,color=‘00000000‘),          top=Side(border_style=‘thin‘,color=‘00000000‘),          bottom=Side(border_style=‘thin‘,color=‘00000000‘))            #define border style
alg_cc=Alignment(horizontal=‘center‘,                        vertical=‘center‘,                        text_rotation=0,                        wrap_text=True,                        shrink_to_fit=True,                        indent=0)                           #define alignment styles
alg_cb=Alignment(horizontal=‘center‘,                        vertical=‘bottom‘,                        text_rotation=0,                        wrap_text=True,                        shrink_to_fit=True,                        indent=0)
alg_lc=Alignment(horizontal=‘left‘,                        vertical=‘center‘,                        text_rotation=0,                        wrap_text=True,                        shrink_to_fit=True,                        indent=0)                           
                        
patch_file_name="merged_patch_this_week.txt"      
patch_file=open(patch_file_name,‘r‘)        #get data patch text

wb=load_workbook(‘Android_Patch_Review-Y2015.xlsx‘)          #open excel to write
sheetnames = wb.get_sheet_names()                   
ws = wb.get_sheet_by_name(sheetnames[2])                    #get sheet
rows=len(ws.rows)

assert ws.cell(row=rows,column=1).value!=None, ‘New Document or empty row at the end of the document? Please input at least one row!‘
print "The original Excel document has %d rows totally." %(rows)
end_tag=‘type: stats‘

for line in open(patch_file_name):
    line=patch_file.readline()
    if re.match(end_tag,line) is not None:    #end string
        break
    if  len(line)==1:                                       #go to next patch
        rows=rows+1
        continue
    line = line.strip()    
#    print line
    ws.cell(row=rows+1,column=1).value=ws.cell(row=rows,column=1).value+1           #Write No.
    ws.cell(row=rows+1,column=1).font=ft
    ws.cell(row=rows+1,column=1).border=bd
    ws.cell(row=rows+1,column=1).alignment=alg_cb
    ws.cell(row=rows+1,column=5).border=bd
    ws.cell(row=rows+1,column=9).border=bd
    
    if re.match(‘change‘,line) is not None:
        ws.cell(row=rows+1,column=2).value=re.sub(‘change‘,‘‘,line)           #Write Gerrit ID
        ws.cell(row=rows+1,column=2).font=ft
        ws.cell(row=rows+1,column=2).border=bd
        ws.cell(row=rows+1,column=2).alignment=alg_cb

    if re.match(‘url:‘,line) is not None:
        ws.cell(row=rows+1,column=3).value=re.sub(‘url:‘,‘‘,line)             #Write Gerrit url
        ws.cell(row=rows+1,column=3).font=ft
        ws.cell(row=rows+1,column=3).border=bd
        ws.cell(row=rows+1,column=3).alignment=alg_cb

    if re.match(‘project:‘,line) is not None:
        ws.cell(row=rows+1,column=6).value=re.sub(‘project:‘,‘‘,line)             #Write project
        ws.cell(row=rows+1,column=6).font=ft
        ws.cell(row=rows+1,column=6).border=bd
        ws.cell(row=rows+1,column=6).alignment=alg_lc
        
    if re.match(‘branch:‘,line) is not None:
        ws.cell(row=rows+1,column=7).value=re.sub(‘branch:‘,‘‘,line)              #Write branch
        ws.cell(row=rows+1,column=7).font=ft
        ws.cell(row=rows+1,column=7).border=bd
        ws.cell(row=rows+1,column=7).alignment=alg_cc
        
    if re.match(‘lastUpdated:‘,line) is not None:
        ws.cell(row=rows+1,column=8).value=re.sub(‘lastUpdated:|CST‘,‘‘,line)             #Write update time
        ws.cell(row=rows+1,column=8).font=ft
        ws.cell(row=rows+1,column=8).border=bd
        ws.cell(row=rows+1,column=8).alignment=alg_cc
        
    if re.match(‘commitMessage:‘,line) is not None:
        description_str=re.sub(‘commitMessage:‘,‘‘,line) 
    if re.match(‘Product:|BugID:|Description:|Unit Test:|Change-Id:‘,line) is not None:
        description_str=description_str+‘\\n‘+line                       #
    if re.match(‘Signed-off-by:‘,line) is not None:
        description_str=description_str+‘\\n‘+line
        ws.cell(row=rows+1,column=4).value=description_str                #Write patch description
        ws.cell(row=rows+1,column=4).font=ft
        ws.cell(row=rows+1,column=4).border=bd
        ws.cell(row=rows+1,column=4).alignment=alg_lc
wb.save(‘Android_Patch_Review-Y2015.xlsx‘)
print ‘Android_Patch_Review-Y2015.xlsx saved!\\nPatch Collection Done!‘
#patch_file.close()

 

目前为止，基本功能已经实现，但是还有两个问题没有搞明白：

第一个是完整代码中的最后一句注释行，我搜到的几篇介绍openpyxl的博客中，打开文件后都没有close，所以我在代码中也没有close。理论上感觉还是需要的。等对文件对象的理解更加深入一些时会继续考虑这个问题。

第二是运行该脚本时有一个warning," UserWarning: Discarded range with reserved name，warnings.warn("Discarded range with reserved name")“，目前还在搜索原因，如有明白的，也请不吝告知。