大家好，又到了Python办公自动化系列。
今天我们来讲解一个比较简单的案例，使用openpyxl从Excel中提取指定的数据并生成新的文件，之后进一步批量自动化实现这个功能，通过本例可以学到的知识点:
-
openpyxl模块的运用 -
glob模块建立批处理
数据源：阿里云天池的电商婴儿数据（可自行搜索并下载，如果要完成进阶难度可直接将该数据Excel拷贝999次即可，当然这个拷贝可以交给代码来实现）
需求说明
初级难度：提取电商婴儿数据.xlsx中购买数buy_mount超过50的记录建立新的Excel表
最后形成如下的表格：
进阶难度：同一个文件夹下有1000份电商婴儿数据的Excel表格(命名为电商婴儿数据1.xlsx，电商婴儿数据2.xlsx至电商婴儿数据1000.xlsx)，需要提取所有表格中购买数buy_mount超过50的记录并汇总至一个新的Excel表
Python实现
让我们先完成初级难度的需求挑战，首先导入所需模块并打开数据表，注意
打开已经存在的Excel用`load_workbook`，创建新的Excel用`Workbook`
1from openpyxl import load_workbook, Workbook 2 3# 数据所在的文件夹目录 4path = 'C:/Users/xxxxxx' 5 6# 打开电商婴儿数据工作簿 7workbook = load_workbook(path + '/' + '电商婴儿数据.xlsx') 8# 打开工作表 9sheet = workbook.active
接下来筛选符合条件的行
1buy_mount = sheet['F'] 2row_lst = [] 3for cell in buy_mount: 4 if isinstance(cell.value, int) and cell.value > 50: 5 print(cell.row) 6 row_lst.append(cell.row)
这一步本质上就是对购买数的各个单元格进行判断，如果数值超过50就将其行号放入一个空列表中，间接完成了筛出符合条件的行。注意这一列有可能有的单元格cell的值value不是数值类型，因此需要用isinstance()进行判断，当然也可以将单元格的值先用int()转为整型再判断。
筛选出符合条件的行号就可以提取行并且放入新的Excel中了，因此需要先创建新的工作簿，现在创建新的工作簿写入符合条件的行，思路是根据行号获取到指定行后，遍历所有单元格的值组装成一个列表，用sheet.append()写入新表
1new_workbook = Workbook() 2new_sheet = new_workbook.active 3 4# 创建和 电商婴儿数据 一样的表头（第一行） 5header = sheet[1] 6header_lst = [] 7for cell in header: 8 header_lst.append(cell.value) 9new_sheet.append(header_lst) 10 11# 从旧表中根据行号提取符合条件的行，并遍历单元格获取值，以列表形式写入新表 12for row in row_lst: 13 data_lst = [] 14 for cell in sheet[row]: 15 data_lst.append(cell.value) 16 new_sheet.append(data_lst) 17 18# 最后切记保存 19new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')
初级难度的需求已经成功完成，至此我们已经学会从单个表中提取需要的行并且放到新的表格里。有的人可能会说了：一个表格的筛选可以直接用Excel中的 筛选 来完成，不需要用代码写这么复杂，还难以理解。因此就有了进阶需求。现在需要完成的工作变成，获取1000个表格中所有符合条件的行并汇总成一个新表。如果是手动操作的行，需要打开每个表格，然后一通筛选操作后，将所有满足条件的行都复制到新表，并且执行上述操作1000次！
**这显然不现实，**而如果你已经理解初级需求的思路，那么只需要加上几行代码，就可以完成进阶需求。所需要的模块是glob。批处理的大概代码框架如下：
1import glob 2 3# 1000份数据所在的文件夹目录 4path = 'C:/Users/xxxxxx' 5 6for file in glob.glob(path + '/*'): 7 pass
如果需要遍历特定类型的文件可以限定后缀，以xlsx后缀的Excel文件为例
1for file in glob.glob(path + '/*.xlsx'): 2 pass
最后只需要将上面写好的针对单个文件的代码放到循环体内部，且load_workbook的路径变成循环出的每一个xlsx文件的绝对路径。当然，还需要想清楚有些代码不能在循环体里重复被执行，如创建新表和给新表添加表头，创建新表放在循环体外就可以，添加表头可以用一个单独的变量来判断这个操作是否已经被执行。完整代码如下：
1from openpyxl import load_workbook, Workbook 2import glob 3 4path = 'C:/Users/xxxxxx' 5new_workbook = Workbook() 6new_sheet = new_workbook.active 7 8# 用flag变量明确新表是否已经添加了表头，只要添加过一次就无须重复再添加 9flag = 0 10 11for file in glob.glob(path + '/*.xlsx'): 12 workbook = load_workbook(file) 13 sheet = workbook.active 14 15 buy_mount = sheet['F'] 16 row_lst = [] 17 for cell in buy_mount: 18 if isinstance(cell.value, int) and cell.value > 50: 19 print(cell.row) 20 row_lst.append(cell.row) 21 22 if not flag: 23 header = sheet[1] 24 header_lst = [] 25 for cell in header: 26 header_lst.append(cell.value) 27 new_sheet.append(header_lst) 28 flag = 1 29 30 for row in row_lst: 31 data_lst = [] 32 for cell in sheet[row]: 33 data_lst.append(cell.value) 34 new_sheet.append(data_lst) 35 36new_workbook.save(path + '/' + '符合筛选条件的新表.xlsx')
小结
以上就是使用Python实现批量从Excel中提取指定数据的全部过程和代码，如果你也有相关需求，稍作修改即可使用。其实如果你仔细思考会发现这个需求使用pandas会以更简洁的代码实现，但是由于我们之后的Python办公自动化案例中会频繁使用openpyxl，并且在操作Excel时有更多的功能，因此在之后我们将主要讲解如何使用这个openpyxl实现。最后还是希望大家能够理解Python办公自动化的一个核心就是批量操作-解放双手，让复杂的工作自动化！
-------------------********************************** End **********-------------**-----********-**********************************
往期精彩文章推荐：
欢迎各位大佬点击链接加入群聊【helloworld开发者社区】：https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。
本文转自 https://mp.weixin.qq.com/s/e5AyfkQjBom8jea00o3VYA，如有侵权，请联系删除。