Excel 文件结构化解析示例

【摘要】
本文介绍如何将各种结构的 Excel 文件解析成结构化数据，如普通行式、复杂表头、自由格式、交叉表、主子表、大文件等，并用 esProc SPL 举例实现。请点击Excel 文件结构化解析示例了解详情

 

在数据分析业务中，经常要把Excel文件数据结构化解析以后再进行计算或导入关系数据库，但许多Excel文件的格式并不规整，而且文件结构也多种多样，导致编程进行结构化的工作量会比较大，而且很难通用，每次都要针对文件格式进行分析后再进行开发。

本文将介绍如何进行各种格式的 Excel 文件结构化解析，如普通行式、复杂表头、自由格式、交叉表、主子表、大文件等，并提供用 esProc SPL 编写的代码示例。esProc 是专业的数据计算引擎，其采用的 SPL 中有完善的 Excel 文件处理函数，进行结构化解析及后续的计算、入库等操作非常方便。

 

1.  普通行式

这是一种最简单的文件格式，文件中每行都是一条数据记录，更常见的是第一行是列标题。

示例：在学生成绩文件scores.xlsx中，查询各班语文平均成绩。部分数据如下图：

esProc SPL脚本如下：

	A	注释
1	=file(“e:/excel/scores.xlsx").xlsimport@t()	读取文件，@t选项把第一行读作标题
2	=A1.groups(Class;avg(Chinese):avg_Chinese)	按班级分组，计算各班语文平均成绩
3	=file("e:/excel/class_avg_c.xlsx").xlsexport@t(A2)	将计算结果存入新的文件

 

2.  复杂表头

多数时候，Excel文件的表头格式并不简单，往往是由多行构成的，比如有表标题、项目名称、填表人、填写日期、页码等信息。解析这种格式的文件时，需要跳过复杂的表头，指定从数据行的位置开始读取，然后指定结构化后的数据各列的列名。

示例：在项目造价文件itemPrices.xlsx中，计算项目总造价，部分数据如下图：

esPr