Python自动化-一键批量提取汉字数据，效率提升几十万倍，几秒钟完成5000分钟的工作-CSDN博客

本文链接：https://blog.csdn.net/andyyah/article/details/140238731

Python自动化-一键批量提取汉字数据，效率提升几十万倍，几秒钟完成5000分钟的工作

在繁忙的办公室里，一位数据分析师正焦头烂额地面对着成堆的Excel文件？他手中的产品明细表如同迷宫一般，每个文件、每张表格都隐藏着关键的产品信息需要各种复制粘贴提取有用信息。而借助Python自动化的力量，轻松破解这个数据迷宫，实现效率几十万倍的提升！

国企数据分析师的烦恼

在国企工作的数据分析师小李，最近接到了一个紧急任务：他需要根据公司提供的产品明细表，对产品大类进行数据分析。然而，问题在于，这份产品明细表并不是一个简单的数据集，而是一大堆分散在多个Excel文件中的表格。每个Excel文件又包含了多张表格，每张表格中A列存储着产品的详细描述，而产品大类就隐藏在这些描述中的中文内容里。如下图所示A列是产品描述，其中的中文是产品大类。
在这里插入图片描述

传统手动方法：

步骤繁琐：需要打开每个Excel文件，进入每张表格，然后手动复制A列的中文内容到B列。
**耗时巨大：**处理一个包含多张表格的Excel文件，小李大约需要花费20-30分钟的时间。因此，几百份文件将需要几千分钟甚至更长的时间来完成。
**容易出错：**长时间的手动操作不仅耗时，还容易因为疏忽或疲劳导致数据提取错误。

Python自动化工具：

**快速高效：**使用Python自动化工具，小李只需简单设置文件夹路径，就可以一键完成所有Excel文件中中文数据的批量提取。整个过程仅需几秒钟，相比传统方法节省了大量的时间。
**准确可靠：**自动化工具基于预先编写的代码运行，避免了人为因素导致的错误，提高了数据的准确性。
**灵活可扩展：**Python自动化工具可以根据实际需求进行定制和扩展，适用于各种复杂的数据处理场景。

核心代码

import os  
from openpyxl import load_workbook  
import re  

# 定义文件夹路径  
folder_path = '你的Excel文件所在文件夹路径'  

# 遍历文件夹中的所有Excel文件  
for filename in os.listdir(folder_path):  
    if filename.endswith('.xlsx'):  
        file_path = os.path.join(folder_path, filename)  
        wb = load_workbook(file_path)  

        # 遍历工作簿中的所有工作表  
        for sheet_name in wb.sheetnames:  
            ws = wb[sheet_name]  

            # 提取A列的中文内容并写入B列  
            for row in range(2, ws.max_row + 1):  # 假设从第二行开始有数据  
                info = ws['A' + str(row)].value  
                if info:  
                    chinese_text = re.findall('[\u4e00-\u9fa5]', str(info))  # 提取中文  
                    ws['B' + str(row)].value = ''.join(chinese_text)  

        # 保存修改后的工作簿（注意：这会覆盖原始文件）  
        wb.save(os.path.join(folder_path, '中文_' + filename))  

# 注意事项  
# 1. 请确保已经安装了openpyxl库，如果没有，可以通过pip install openpyxl进行安装。  
# 2. 修改folder_path变量为你的Excel文件所在的文件夹路径。  
# 3. 这段代码会覆盖原始文件，如果需要保留原始文件，请在保存时使用不同的文件名。