Tool尖尖

Do it just once!

庆祝中国共产党成立100周年

【Python】实例10：用Python正则表达式从不规则的备注栏获得采购申请单号

2021年11月25日 发表者 Tool尖尖 | 暂无评论

公司研发部需要常年采购一些新物料，用于新产品开发。每次采购新物料都需要出一份工程采购申请单（EPR：Engineering purchase request），并有一个编号，格式为“EPR-XX-XXXXX”。由于公司的采购系统中没有用于填写EPR编号的栏位，因此采购在系统填单的时候只得填写到备注栏内。备注栏是一个极其不规范的栏位，每个采购员的风格不同，填写方法也是五花八门，比如如下： 

工程部需要每天从系统导出这些物料的采购信息，然后用vlookup函数跟其内部登记的表格进行匹配，以了解物料交期，制定新产品开发进度。但是这个采购信息表里的EPR编号实在太不规范，很难与自己的记录表匹配，处理起来费时费力。Python正则表达式（规则表达式）可以轻松地处理这类问题，我们只需要设定好规则，可以从一堆乱七八糟的字符串中提取出我们想要的信息。

#1.获取备注栏的所有信息from openpyxl import load_workbook
wb=load_workbook(“data采购信息表.xlsx”)
ws=wb[‘Sheet1’]
PR_rawdata=[]for row in range(2,ws.max_row+1):
PR_rawdata.append(ws.cell(row=row,column=4).value)
PR_rawdata

>>[‘…ASIA PACIFIC PO CN..EPR-14-X1224……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1224……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1224……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1224……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1224……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1224……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1224……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1207……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1207……….’,
‘…ASIA PACIFIC PO CN..EPR-14-X1214……….’,
‘…ASIA PACIFIC PO CN.201.EPR-14-X1164……….’,
‘…ASIA PACIFIC PO CN.201.EPR-14-X1164……….’]



首先，我们导入openpyxl模块的load_workbook方法打开“采购信息表”，获取“Sheet1”工作表。然后建立一个空列表PR_rawdata，以存储备注栏对应列的信息。随后从第二行开始遍历所有行，提取第四列中的信息，使用append方法将其存入空列表PR_rawdata。


 


提取完信息后，可通过len()查看PR_rawdata中元素个数，看看是否有遗漏。我们可以看到有1583个元素，妥妥的。


len(PR_rawdata)>>1583




#2.使用正则表达式获取PR编号from re import compile, IGNORECASE

def get_EPR_num(text):

#将问号’?’ 替换成 ‘-‘

changed_question_mark = text.replace(“?”,“-“)

#获取EPR编号

epr_num = compile(r‘EPR-d{2}-Xd{3}(d)?’,IGNORECASE)

match = epr_num.search(changed_question_mark)

#将小写EPR转换为大写并返回

return match.group().upper()




然后我们就开始使用强大的正则表达式。首先导入re模块中的compile及IGNORECASE。re模块包含正则表达式的所有函数。compile为正则表达式函数，用于匹配所需要的内容；IGNORECASE表示忽略字符串中的大小写。我们先创建一个函数get_EPR_num()，以方便后面反复调用，其中包含一个参数text，用于传入包含EPR编号的字符串，比如“…ASIA PACIFIC PO  CN..EPR-14?X1059……….”。函数要做的事，就是在这个字符串中按照我们设定的规则提取出EPR编号，其结果应该是“EPR-14-X1059”。


 


有些包含EPR编号的字符串是带有问号“?”的，比如“EPR-14?X1059”，因此需要先将其替换成我们想要的“-”。我们使用replace(“?”,”-“)进行替换。然后向compile中传入一个字符串r“S{3}-ddSSd{3}(d)?”，创建正则表达式，并增加参数IGNORECASE忽略大小写。最前面的r表示忽略字符串中的转义字符（此例中的“”是正则表达式规则的一部分，不是转义字符，若不忽略，将被程序当成转义字符而出错）。其中”S”指除空格外的所有字符，“{3}”指匹配三次。然后是“-”，接着是两个数字“d{2}”。“-X”之后3或4个数字，所以用“d{3}(d)?”，其中“(d)?”表示可选匹配，即“-X”后面是3位数字的话就取3位数字，是4位数字就取4位数字。


 


正则表达式创建好后，我们就去到原始字符串中去搜索符合条件的项，并存入match变量。最后调用Match对象的group()方法，并使用upper()将小写转换为大写，返回匹配到的字符串，即EPR编号。group()是可以截取分组的字符串，分组是通过在正则表达式中加入括号()来操作，此例未分组，即只有1组。正则表达式常用的符号如下：




PR_list_result=[]for PR in PR_rawdata:

PR_list_result.append(get_EPR_num(PR))

PR_list_result

>>[‘EPR-14-X1224’,

‘EPR-14-X1224’,

‘EPR-14-X1224’,

‘EPR-14-X1224’,

‘EPR-14-X1224’,

‘EPR-14-X1224’,

‘EPR-14-X1224’,

‘EPR-14-X1207’,

‘EPR-14-X1207’,

‘EPR-14-X1214’,

‘EPR-14-X1164’,

‘EPR-14-X1164’,

‘EPR-14-X1209’,

‘EPR-14-X1175’]




提取EPR编号的函数创建好了之后，就可以开始调用它来处理数据了。首先建一个列表PR_list_result来储存处理后的数据，然后遍历PR_rawdata，将其中的每个元素（即包含EPR编号的字符串）传入函数get_EPR_num()提取EPR编号，然后存入列表PR_list_result。我们可以看到列表PR_list_result里面就是很规则的EPR编号了，共有1583个。


len(PR_list_result)>>1583#3.在原工作表新增一列，并写入获取到的PR编号

wb1=load_workbook(“data采购信息表.xlsx”)

ws1=wb1[‘Sheet1’]

i=0 #计数器，用于从包含所有EPR编号的列表PR_list_result中逐个取出数据for row in range(2,ws.max_row+1):

ws1.cell(row=row,column=5).value=PR_list_result[i]

i+=1 #计数器加1，以提取下一个数据

wb1.save(“data采购信息表_新.xlsx”)




数据处理完后，就可以写入到Excel表里面去了。我们在原表中最后一列的后面写入规整的EPR编号。所以还是先打开“采购信息表.xlsx”，获取工作表“Sheet1”。定义一个计数器i，将其作为索引用于从包含所有EPR编号的列表PR_list_result中逐个取出数据，其初始值为0，因为列表的索引是从0开始的。然后建立一个for循环，从Excel表的第二行，第5列开始写入数据，写一个数据，计数器i加上1，以便写入下一个数据。


 


数据写完后，使用新的文件名保存文件。最后得到的结果如下： 




所有源代码和说明都在Jupyter notebook上完成，所用到的Excel 资料已上传GitHub, 欢迎Fork或下载到本地随意玩。。。转载请注明出处，谢谢。


GitHub链接：https://github.com/weidylan/Office_Automation_by_Using_Python


本篇文章来源于微信公众号: Python操作Office软件高效工作 已获作者转载许可。



			

			
								
		
	

		





				
			



	
				
				
		

		
发表评论 
			

				
*为必填字段！