基于Python实现文本文件转Excel

目录

• 一、前言
• 二、openpyxl模块
• 1、安装
• 2、简单操作
• 三、文本文件转excel文件
• 1、寻找规律
• 2、开始转换
• 补充

一、前言

Excel文件是我们常用的一种文件，在工作中使用非常频繁。Excel中有许多强大工具，因此用Excel来处理文件会给我们带来很多便捷。但是有时候我们拿到了文件不是Excel文件，而且我们又想用Excel中的工具，这个时候我们就可以想办法把这个文件转换成Excel文件了。今天我们就来实现一下，需要注意我们只能把有规律的文件转换成Excel，而且今天的内容也不是普遍通用的。只提供一种思路。

二、openpyxl模块

openpyxl模块是用来操作Excel文件的一个模块，还有很多模块可以做同样的事情，这里就不介绍了。

1、安装

安装只需要执行下面语句即可：

pip install openpyxl

然后在代码中导入工作簿：

from openpyxl import Workbook

这样我们就可以开始操作了。

2、简单操作

我们来看一些简单的操作：

from openpyxl import Workbook
# 创建工作簿
wb = Workbook()
# 激活
ws = wb.active
# 设置指定格的数据
ws[\'A1\'] = 41
# 在下一行添加数据
ws.append([1, 2, 3])
# 保存
wb.save(\"1.xlsx\")

这里前面两步是基本操作，首先创建Workbook对象，然后调用active函数激活。然后我们通过下标的方式给指定坐标的位置添加数据。最后调用save方法保存文件。

三、文本文件转excel文件

上面的几个操作就足够我们今天的操作了，下面我们来看看如何将文本文件转换成Excel文件。

1、寻找规律

在文章开头说了，我们只能将有规律的文本文件转换成Excel，不然没有太多意义。所以我们第一步就是找规律。比如我们下面这个文件：

姓名,性别,年龄
zack,男,21
rudy,男,22
alice，女,20
atom,男, 23

我们来看一下上面的数据，其中第一行是数据的字段。而后面几行就是真实数据了。而单个数据的属性值又由逗号隔开。这种规律非常明显，很适合我们今天的内容。不管仔细观察可以看到，逗号有中文的也有英文的，而且有的里面还包含了空格。知道这些后我们在转换的时候就需要针对性的处理一下了。

2、开始转换

首先我们要处理文本，然后再写入Excel，具体代码如下：

from openpyxl import Workbook
wb = Workbook()
ws = wb.active
# 处理文件
with open(\"test.txt\", \"r\", encoding=\"utf-8\") as f:
    # 把逗号替换成统一的\\t
    content = f.read().replace(\",\", \"\\t\").replace(\"，\", \"\\t\")
    # 根据换行拆分内容
    lines = content.split(\"\\n\")
    # 提取标题
    titles = lines[0].split(\"\\t\")
    titles.insert(0, \"\")
    # 标题写入excel
    ws.append(titles)
    # 写入内容
    for i, line in enumerate(lines[1:]):
        item = line.split(\"\\t\")
        item.insert(0, i)
        ws.append(item)
wb.save(\"1.xlsx\")

经过上面的处理，我们就成功将文本转换成excel了，下面是结果图：

excel表格

效果正是我们想要的，大家可以根据不同需求不同文件来修改处理的代码。

补充

Python对于Excel文件的操作当然不仅仅是可以将文本文件转为Excel，还可以将PDF转为Excel，下面是实现代码，希望对你有所帮助

import pdfplumber
import pandas as pd

path = \'test.pdf\'
pdf = pdfplumber.open(path)
i=1
#writer=pd.ExcelWriter(\'output.xlsx\')
df=pd.DataFrame(columns=[\'序号\',\'刊名\',\'主办单位\',\'等级\'])
sheetname=[\'考古文博\',\'历史学\',\'马克思主义理论\',\'民族学与文化学\',\'文学-外国文学\',\'文学-中国文学\',\'艺术学\',\'语言学\',\'哲学\',\'宗教学\',\'法学\'
   ,\'管理学\',\'环境科学\',\'教育学\',\'经济学-财政科学\',\'经济学-工业经济\',\'经济学-金融\',\'经济学-经济管理\',\'经济学-经济综合\',\'经济学-贸易经济\'
   ,\'经济学-农业经济\',\'经济学-世界经济\',\'人文地理学\',\'社会学\',\'体育学\',\'统计学\',\'图书馆情报与档案学\',\'心理学\',\'新闻学与传播学\'
   ,\'政治学-国际政治\',\'政治学-中国政治\',\'综合-高校综合性学报\',\'综合-综合性人文社科期刊\']
   
##由于存在一个表格跨页的情况，先将所有表格存放在一个DataFrame中，再根据序号拆分。

for page in pdf.pages[17:59]:
 print (page)
 # 获取当前页面的全部文本信息，包括表格中的文字
 # print(page.extract_text())
 for table in page.extract_tables():
  #print(table)
  df=df.append(pd.DataFrame(table[1:],columns=table[0]),ignore_index=True)
print (df)

writer=pd.ExcelWriter(\'output3.xlsx\')
new_df=pd.DataFrame()
j=1
index=[]
#记录序号==1的行索引，用于后面的表格拆分
for i in range(len(df)):
 if df.ix[i,0]==\'1\':
  index.append(i)
  print (\"################\")
index.append(len(df))
#print (index)

#按行索引将内容切片并逐个添加到表中
for t in range(len(index)-1):
 new_df=df.ix[index[t]:index[t+1]-1,:]
 #print (new_df)
 new_df.to_excel(writer,sheet_name=sheetname[t],encoding=\'gb2312\',index=None)
writer.save()
pdf.close()
print(\'finished\')