【Python】处理excel文本-提取文本

目的：从该excel文件的E列中的大批文字中筛选出来cveID。

思路：编辑excel文件需要先打开它，即需要用到xlrd；写入excel需要用到xlwt；在E列中匹配cveID的规则需要用到正则表达式，即需引用re。

一、首先在cmd中下载安装相应的包

pip install xlrd

pip install xlwt

re与urllib是python的内置库，不需要单独安装

检查一下 pip list

完成

二、写代码

1、首先把要编辑的excel读出来

import xlrd

data = xlrd.open_workbook(r"E:\知识库平台\results.xls")

table = data.sheets()[0]

table2 = data.sheet_by_index(0)

table3=data.sheet_by_name(u'通告')

测试一下：

2、再读取所需的数据

text = table.cell_value(1,4)    //即读取第1行第4列的数据

print(text)测试一下：

数据太长，被折叠了，显示已经成功输出了

3、处理获取的原数据，利用正则表达式匹配所需的数据，即cveID。

分析一下，cveID都是"CVE--"这样的格式

import re
cveNum = re.findall(r"CVE-(.{1,5}-.{1,5})",text)

print(cveNum)测试一下：

但是我只想要第一个值，后面的有些是重复的，有些是文本中提到的其他的ID。

就只取cveNum的第一个值，cveNum[0]

4、遍历excel的每一行，依次筛选出cveID

首先就要获得excel一共有多少行，再遍历每一行并输出cveID

nrows = table.nrows

for a in range(nrows):

	text = table.cell_value(a,4) 

	print(text)

    cveNum = re.findall(r"CVE-(.{1,5}-.{1,5})",text)

    print(cveNum[0])

运行一下，发现报错了。是因为并不是每一行的原数据中都有cveID，有的没有匹配到，所以相应的cveNum列表就为空。

//那么加一个判断cveNum是否为空的判断就好了
if len(cveNum):
      print(cveNum[0])
else:
      print("no cveID")

成功

5、最后只需要把数据写入列表就行了，写入的时候把“cve-”这个前缀加上

import xlwt
workbook = xlwt.Workbook(encoding='utf-8', style_compression=0)
sheet = workbook.add_sheet('test', cell_overwrite_ok=True)
if len(cveNum):
      sheet.write(a,4,"CVE-"+str(cveNum[0]))
else:
      sheet.write(a,4,"no cveID")
workbook.save(r'E:\知识库平台\test.xls')

结果出来啦

三、问题总结

1、正则表达式的运用

2、判断列表是否为空的方法

if len(list):
pass
else:
pass
如果列表不为空，则长度不为0，值为True。

完整代码：