Python3正则表达式清洗Excel文档

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 -*-
import xlrd  
import re

#打开一个Excel表
data = xlrd.open_workbook('/home/kin/company.xlsx')

#按顺序选择第5张表（sheet）
table = data.sheets()[4]

#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”
temp = ""
for x in range(18):
    #get row_value
    var = table.row_values(x)
    temp +=var[0] + "|"


#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
temp = temp[:-1]

#新建并打开一个xlsx文档，“w”是选择复写，编译码为utf-8
file = open("/home/kin/Desktop/z.xlsx","w",encoding="utf-8")

#选择第二张表
table2 = data.sheets()[1]

#编译正则表达式
pt = re.compile(temp)


#可以将num，num2加入循环，print查看num总数，判断是否执行总数
num = 0 
num2 = 0

#循环遍历
for x in range(10000):
        #get row_value
    var2 = table2.row_values(x)
        #var2[0]读取每行第一列元素
    while pt.search(var2[0]):
                #group()匹配正则表达式整体结果
        a = pt.search(var2[0]).group()
                 #将匹配结果用空字符串替代
        var2[0] = var2[0].replace(a,"")
                #将处理完的结果赋值给name
        name = var2[0]
       #用回车做分隔符写入
    file.write(name + "\n")
    #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
    file.flush()

file.close
                   

 结果：