Python处理Excel生成CSV文档

Python是一种解释型的、动态数据类型的、面向对象的高级程序设计语言。拥有丰富的处理数据和文本类库，并且得益于它是一种解释型的语言，在程序修改和功能扩展上，可以很容易做到大规模的调整。综合考虑Python的动态、轻量化特性，使用Python来处理Excel自动生成CSV文档的操作。 程序的运行需要依赖两个Python的类库，Pandas和Xlrd。Pandas是Python的一个数据分析类库。Xlrd则是帮助开发人员从Microsoft的Excel操作数据的好帮手。

至于为什么要把Excel变成CSV就很简单了。由于CSV基于“,”符号切割字符串表单，因此，在程序上，读写访问非常方便。不需要导入厚重的Excel类库，只需要基于string数据结构就可以实现基本的表单管理。

一．Python和相关依赖库的配置步骤

1. 安装Python

请到Python官网下载并安装Python运行时：https://www.python.org/downloads/

2. 安装成功后，请打开Cmd控制台，输入如下命令安装Pandas

pip install pandas

3. 接着输入如下命令安装Xlrd

pip install xlrd

4. 如果你使用PyCharm，那么该工程的引用库安装导入方式如下：

　　　　File -> Settings -> Project: [current project name] -> ProjectInterpreter -> +(Add Button) -> 弹出的搜索框里分别依次选中Pandas和Xlrd。

二．转换实现

在开始编码前，我们思考一下转换的流程：

　　先收集所有的Excel文件 -> 遍历每一个Excel文件 -> Excel文件中还有众多的Sheet组成，也要遍历他们 -> 最终把Sheet为单位生成独立的CSV文件

那么接下来就是要研究那些API可以帮忙我们，如何获取目录文件集，如何打开excel文档，如何遍历sheet，如何保存成csv文档等等。这里就不流水账罗列过程了，直接贴出成品代码，下面的代码是上述思考过程的最终成品。最后，我们启动PyCharm运行脚本，显然当前脚本很好的搜索的指定的目录，并把所有表格的Sheet生成对应的CSV文档。

对了，代码里面我还留一个彩蛋，如何遍历所有的表格单元。这个，可以很好的帮你处理非法的单元格数据，关键的代码就是调用dataframe的applymap方法。代码中示例输入的方法是foreach_cell，该方法的本体是将nan的数据变成0。

另外，你还会发现，我用了xlrd获取sheet列表，但是我又另外使用pandas打开对应sheet。我之所以这样做，只是觉得pandas生成csv方便。所以，绕了点弯路。但是无大碍，一个转换代码而已，起码能利用各个优点（不是借口的借口吧）。Pandas有一个悲剧的地方就是不能获取Excel的Sheet总体情况，不传入指定的Sheet，默认打开的是第一个Sheet。

import os
import math
import xlrd
import pandas as pd

def get_all_table_file_name(folder_path):
    table_names = []
    for file in os.listdir(folder_path):
        if os.path.splitext(file)[1] == '.xls' or os.path.splitext(file)[1] == '.xlsx':
            table_names.append(file)
    return table_names

def foreach_cell(cell):
        if type(cell) is float and math.isnan(cell):
            cell = 0
        return cell

def convert_table_to_csv(folder_path, file_name):
    file_path = folder_path + '/' + file_name
    print('开始转换Excel文档： ' + file_path + ' 成 CSV 文档')

    tables = xlrd.open_workbook(file_path)
    print('..Sheet总数： ' + tables.nsheets.__str__())

    for sheet_table in tables.sheets():
        csv_file_name = file_name.replace('.xlsx', '')
        csv_file_name = csv_file_name.replace('.xls', '')
        output_path = 'output/' + csv_file_name + sheet_table.name + ".csv"

        sheet = pd.read_excel(file_path, sheet_table.name, index_col=None, index=False)
        sheet.columns = sheet.columns.str.replace('Unnamed.*', '')
        sheet.applymap(foreach_cell)
        sheet.to_csv(output_path, encoding='utf-8', index=False)
        print('....已经生成 ' + csv_file_name + sheet_table.name + ' CSV文档')

def convert_all_tables_to_csv(folder_paths):
    for folder_path in folder_paths:
        table_files = get_all_table_file_name(folder_path)
        for table_file in table_files:
            convert_table_to_csv(folder_path, table_file)

scan_folders = ['.', 'tables']
convert_all_tables_to_csv(scan_folders)

作者：雨天

地址：http://www.cnblogs.com/HelloGalaxy/p/8863436.html