Python

接触到爬虫之后，会发现数据量越来越大，在进行格式化数据清洗阶段就会出现很多的问题，因此用程序来进行数据清洗确实能节省很多的时间。处理excel文件分为读和写。分别用到xlrd和xlwt库。

1. 读文件

读Excel表主要用到xlrd，这个库用起来十分方便，可以直接将excel看做二位数组。

需要注意的是，在处理excel时，经常遇到excel单元格内出现多余的空格与Tab键，这种单元格处理起来不易发现，建议使用strip()函数进行处理，这样处理起来的效果比较理想。

import xlrd def read_excel(): # 打开文件 work_url = r'C:\Users\lenovo\Desktop\10.内科_过敏反应科.xlsx' workbook = xlrd.open_workbook(work_url) # 获取所有sheet print(workbook.sheet_names()) # [u'sheet1', u'sheet2'] # 根据sheet索引或者名称获取sheet内容 sheet1 = workbook.sheet_by_index(0) # 通过元组索引顺序获取 # sheet1 = workbook.sheet()[0] # 通过列表索引顺序获取 # sheet1 = workbook.sheet_by_name(u'sheet1') # 通过名称获取 # sheet的名称，行数，列数 print(sheet1.name, sheet1.nrows, sheet1.ncols) # 获取整行和整列的值（数组） rows = sheet1.row_values(3) # 获取第四行内容 cols = sheet1.col_values(2) # 获取第三列内容 print(rows) print(cols) # 获取单元格内容 print(sheet1.cell(1, 0).value) if __name__ == '__main__': read_excel()

2.写文件

前面介绍读excel相当于只读形式，能够从excel中提取出相应的内容但不能写入。写excel文件则需要使用xlwt库来进行。

import xlwt workbook = xlwt.Workbook(encoding = 'ascii') # 实例化一个Workbook worksheet = workbook.add_sheet('My Worksheet') # 创建一个工作薄 worksheet.write(0, 0, label = '1') # 填充数据 workbook.save('Excel_Workbook.xls') # 保存数据

上面的代码可以完成简单的excel的写操作，当需要进行更为复杂的操作时，也可以用xlwt来进行书写，比如合并单元格、设置表格样式等。下面给出一个更复杂的例子，如果需要进行复杂操作可以在使用时查阅库介绍。

import xlwt #设置表格样式 def set_style(name,height,bold=False): style = xlwt.XFStyle() font = xlwt.Font() font.name = name font.bold = bold font.color_index = 4 font.height = height style.font = font return style #写Excel def write_excel(): f = xlwt.Workbook() sheet1 = f.add_sheet('学生',cell_overwrite_ok=True) row0 = ["姓名","年龄","出生日期","爱好"] colum0 = ["张三","李四","恋习Python","小明","小红","无名"] #写第一行 for i in range(0,len(row0)): sheet1.write(0,i,row0[i],set_style('Times New Roman',220,True)) #写第一列 for i in range(0,len(colum0)): sheet1.write(i+1,0,colum0[i],set_style('Times New Roman',220,True)) sheet1.write(1,3,'2006/12/12') sheet1.write_merge(6,6,1,3,'未知')#合并行单元格 sheet1.write_merge(1,2,3,3,'打游戏')#合并列单元格 sheet1.write_merge(4,5,3,3,'打篮球') f.save('test.xls') if __name__ == '__main__': write_excel()

可以得到以下结果：

3.向已有文件中进行写操作–一个具体实例

前面介绍了读操作和写操作，可以发现写操作时新建立excel表格进行写操作，那么如何像一个已有的文件中进行写操作。我们用一个实例来进行学习。

由于前面介绍了SnowNLP库（https://blog.csdn.net/weixin_44585839/article/details/90444593 ），因此相对商品评论进行情感分析，我使用爬虫对京东上的某商品下评论进行爬取，一共爬取350条评论，存储“京东商品评论”的excel中，局部截图如下：

在这里我希望从excel的第四列中（不包括第一行），取出评论并使用snownlp（）函数进行分析，得到相关的情感系数并写入excel中。相关代码如下。

from xlrd import open_workbook from xlwt import easyxf from xlutils.copy import copy import os from snownlp import SnowNLP url = r"C:\Users\lenovo\Desktop\Python\完整代码区\京东评论情感分析\京东商品评论.xlsx" def nlp(work_url): read_workbook = open_workbook(work_url) write_workbook = copy(read_workbook) sheet_read = read_workbook.sheet_by_index(0) sheet_write = write_workbook.get_sheet(0) sheet_write.write(0, 4, "sentiment") line = sheet_read.nrows for i in range(1, line): txt = sheet_read.cell(i,3).value sentiment = SnowNLP(txt) sheet_write.write(i, 4, sentiment.sentiments) os.remove(work_url) write_workbook.save(work_url) if __name__ == '__main__': nlp(url)

经过运行，得到excel文件的效果为： 针对上述代码进行总结

该代码实现向已有文件中进行写操作时使用copy函数，将读操作的excel复制到写操作中，并用os将源文件删除，保存新的写操作中的文件通过建立循环可以快速进行操作在程序运行结束后，打开excel文件发现文件损毁。经过查阅(理解的不一定对)，我使用的ms office为2016版本，文件拓展名为xlsx，而xlwt进行写操作后保留的excel文件为低版本文件，这里将文件的拓展名改为xls就可以打开。