ccf 目录格式转换

Posted 2020-09-03 whatyouknow123

任务背景：

在网络上获取的ccf目录的格式是PDF，但是要进行数据分析时，PDF格式的数据是不符合要求的，因此需要将pdf格式转化为excel格式

任务目的：

将pdf格式的CCF目录转化为excel格式，并且备注上等级和所属的领域

包含的数据字段有：全称，出版商，等级，所属领域

解决过程：

1.首先先到网站上下载pdf格式的CCF目录，这个很容易获取（附件中已附上在博客中的文件可以找到）

2.利用网上的在线PDF转换网站此次试验用的是http://app.xunjiepdf.com/pdf2excel（迅捷在线PDF格式转化）

3.下载转好的文件

4.将文件中的全称和出版商两行复制下来（只包含数据），导入到filename文件中（filename为自定义文件名），因为PDF文件中的数据不是规范的excel格式，因此还需要进行数据处理。

5.运行happy.py,输入filename。

6.就能在F:/paper/ccf/filename2.xls中获得结果

7.得到的结果只是全称和出版社，关于她的等级和所属的领域还需要手动输入。用excel可以很快的完成。大部分的数据都是好的，但是有一些数据因为格式过于错乱，需要手动检查纠正。

8.附件中即是获取的结果。

以下是happy.py代码

 1 import xlrd
 2 import xlwt
 3 name = raw_input("please input the name:\n")
 4 work = xlwt.Workbook()
 5 sheet = work.add_sheet(‘test‘)
 6 data = xlrd.open_workbook("F:paper/ccf/%s.xlsx" % name)
 7 table = data.sheet_by_index(0)
 8 nrows = table.nrows
 9 ncols = table.ncols
10 row = 0
11 col = 0
12 i = 0
13 while i < nrows:
14     if table.cell(i, 1).value == ‘‘ and table.cell(i + 1, 0).value == ‘‘:
15         temp_name = table.cell(i, 0).value + ‘ ‘ + table.cell(i+2, 0).value
16         temp_organization = table.cell(i+1, 1).value
17         sheet.write(row, 0, temp_name)
18         sheet.write(row, 1, temp_organization)
19         row += 1
20         i += 3
21     else:
22         temp_name = table.cell(i, 0).value
23         temp_organization = table.cell(i, 1).value
24         sheet.write(row, 0, temp_name)
25         sheet.write(row, 1, temp_organization)
26         row += 1
27         i += 1
28 name = name + "2"
29 work.save("F:paper/ccf/%s.xls" % name)
30 del nrows
31 del ncols