如何用Python自动化将HTML数据导入Excel的报表生成流程？

1. 环境准备 #

• 安装Python：下载对应系统的Python安装包，勾选"Add Python to PATH"选项完成安装。
• 安装所需库：打开命令提示符（Windows）或终端（Mac/Linux），执行以下命令：

  pip install pandas openpyxl
  

  • pandas：负责读取HTML文件中的表格数据
  • openpyxl：负责写入和操作Excel文件

2. 文件准备 #

• 将需要处理的两个HTML文件（例如命名为data1.html、data2.html）与Python脚本放在同一文件夹，或记录它们的绝对路径（如C:/reports/data1.html）。
• 确定目标Excel文件路径（如绩效报表.xlsx），文件不存在时脚本会自动创建。

3. 编写自动化脚本 #

新建文本文件并重命名为auto_report.py，粘贴以下代码后，根据实际文件路径修改：

import pandas as pd

# 读取第一个HTML文件的表格数据，index=0表示取页面内第一个表格
df1 = pd.read_html("data1.html")[0]
# 读取第二个HTML文件的表格数据
df2 = pd.read_html("data2.html")[0]

# 初始化Excel写入对象，mode='a'为追加模式，if_sheet_exists='replace'覆盖已有工作表
with pd.ExcelWriter("绩效报表.xlsx", engine="openpyxl", mode='a', if_sheet_exists='replace') as writer:
    # 将数据写入工作表1，index=False不保留pandas默认索引列
    df1.to_excel(writer, sheet_name="工作表1", index=False)
    # 将数据写入工作表2
    df2.to_excel(writer, sheet_name="工作表2", index=False)

4. 运行脚本 #

• 打开命令提示符/终端，切换到脚本所在文件夹，执行：

  python auto_report.py
  

• 也可直接用VS Code、PyCharm等Python IDE打开脚本，点击运行按钮执行。

5. 进阶：定时自动执行 #

若需每30分钟自动运行脚本：

• Windows：打开「任务计划程序」，创建基本任务，设置触发频率为每30分钟，操作选择启动程序，程序路径选Python的exe文件，添加参数为脚本绝对路径（如C:/scripts/auto_report.py）。
• Mac/Linux：执行crontab -e，添加一行（替换为你的Python和脚本路径）：

  */30 * * * * /usr/bin/python3 /Users/yourname/scripts/auto_report.py
  

常见问题 #

• HTML读取失败：检查HTML文件的<table>标签是否规范，可尝试添加header=0参数指定表头行（如pd.read_html("data1.html", header=0)）。
• 权限报错：确保脚本拥有读取HTML文件和写入Excel文件的权限。

内容的提问来源于stack exchange，提问作者lessa developer