【python】自动化办公之excel入GP库实战详解(xlwings+psycopg2)

python已经不仅是程序员学习使用的工具了，它已经深深融入我们日常工作办公中。本人在工作中每月都会收集大量excel表格文件，做相关汇总处理，还要把清单数据导入数据库中。手动完成几乎浪费了我大半天的时间，作为一个拥有编程思想追求进步的程序媛怎可如此？能用脚本实现的东西决不能重复操作。

本篇结合实际工作内容，主要使用xlwings和psycopg2包，实现excel表格数据导入GP数据库功能。

介绍

py版本：python 3.7

结果表结构：
excel内容：

思路

本篇主要通过xlwings包实现读取excel数据，通过psycopg2包实现数据入库。方法如下：

1. get_row_col(fileName, sheetName)：获取excel某sheet页有数据的最大行数和列数。参数分别文件路径和sheet页名称。
2. get_date():批量获取数据，无需值处理。适合数据完整、值中无特殊字符，可直接入库的场景。返回数据为list类型。
3. trans_data():批量获取数据，并且对值做制表符替换等处理。本篇对指标附和’|| '(||+TAB符号)进行处理，在调试阶段没做处理会出现报错情况。返回数据为list类型。
4. executemany(data):executemany()方法批量执行sql实现数据入库,data为list类型。此方法需要定义insert语句，优势是操作字段更灵活，缺点是如果操作数据量达到上千条就会十分卡慢。
5. copy_from(data):copy_from()方法数据入库,data为list类型。直接调用pgload，适合数据量大的入库操作。

最终可根据实际需求组合实现入库，本人采用trans_data+copy_from方法。

脚本

#!/usr/bin/python
#coding=utf-8
import os,re

os.chdir(r'D:\summer\svn')
path = os.getcwd()
import xlwings as xw
import psycopg2
from io import StringIO
import pandas as pd


def get_row_col(fileName, sheetName):
    "获取sheet页有数据的最大行数和列数"

    wb = xw.Book(fileName)
    ws = wb.sheets(sheetName)

    info = ws.used_range
    nrows = info.last_cell.row
    ncols = info.last_cell.column

    return nrows, ncols

def get_date():
    "批量获取数据，无需值处理"
    
    fileName = path + '\\文档名称.xlsx'
    sheetName = '清单'
    row_col = get_row_col(fileName, sheetName)
    wb_pro = xw.Book(fileName)
    ws_pro = wb_pro.sheets(sheetName)
    #数据从A2开始，J列取最大行结束
    a = 'A2:J' + str(row_col[0])
    data = ws_pro.range(a)
    return data.value


def trans_data():
    "批量获取数据，并且对值做制表符替换等处理"
    
    list = []  # 定义列表用来存放数据
    fileName = path + '\\文档名称.xlsx'
    sheetName = '清单'
    row_col = get_row_col(fileName, sheetName)
    wb_pro = xw.Book(fileName)
    ws_pro = wb_pro.sheets(sheetName)
    
    #定位从第几行是数据，存在第一二行无用数据的情况
    A1 = ws_pro.range('A1').value
    A2 = ws_pro.range('A2').value
    if A1 == '账期':
        row = 2
    elif A2 == '账期':
        row = 3
	#如果方法不想拆开，也可以直接用注释内容实现
    # conn = psycopg2.connect(host='***.***.***.**', user='gpadmin', password='***', database='***', port=5432)
    # cursor = conn.cursor()
    # sql = "insert into anrpt.project_usage  values(%s, %s, %s, %s, %s, %s, %s, %s, %s, %s)"

    for i in range(row, row_col[0]+1):

        print(str(i) + ' : ' + str(row_col[1]))

        row_data = ws_pro.range('A'+str(i) ,'J'+str(i)).value  # 按行获取excel的值
        #H列和I列存在制表符和tab等符号需要替换
        hn = re.sub('[\s+] ', '', str(row_data[7])).replace('||\'	\'', '')
        In = re.sub('[\s+] ', '', str(row_data[8]))
        value = [row_data[0], row_data[1], row_data[2], row_data[3], row_data[4], row_data[5], row_data[6],hn , In, row_data[9]]

        list.append(value)  # 将数据暂存在列表

    return list

    # cursor.executemany(sql, list)  # 执行sql语句
    # conn.commit()
    # conn.close()
    #list.clear()  # 清空list


def executemany(data):
    "executemany()方法批量执行sql实现数据入库,data为list类型"
    
    conn = psycopg2.connect(host='***.***.***.**', user='gpadmin', password='***', database='***', port=5432)
    cur = conn.cursor()
    sql =  "insert into anrpt.project_usage  values(%s, %s, %s, %s, %s, %s, %s, %s, %s, %s)"

    cur.executemany(sql, data)
    conn.commit()
    conn.close()

def copy_from(data):
    "copy_from()方法数据入库,data为list类型"
    
    data1 = pd.DataFrame(data)
    # dataframe类型转换为IO缓冲区中的str类型
    output = StringIO()
    data1.to_csv(output, sep='\t', index=False, header=False)
    output1 = output.getvalue()

    conn = psycopg2.connect(host='***.***.***.**', user='gpadmin', password='***', database='***', port=5432)
    cur = conn.cursor()
    cur.copy_from(StringIO(output1), 'anrpt.project_usage')
    conn.commit()
    conn.close()
    print('done')

if __name__ == '__main__':
    # data = get_date()
    data = trans_data()
    #executemany(data)
    copy_from(data)

相关文章：【python】pip指定路径安装文件