如何通过Python结合正则表达式提取Excel中的会计账户数据？

核心工具准备 #

先安装所需依赖库：

pip install pandas openpyxl pyodbc

1. 提取账户名称与编号（正则表达式） #

假设账户信息单元格格式为"账户名称：XX有限公司 (编号：12345)"，可通过正则精准匹配提取：

import re
import pandas as pd

# 读取Excel文件
df = pd.read_excel("zeus_accounts.xlsx", engine="openpyxl")

# 定义正则模式（根据实际格式调整，比如编号含字母就把\d+改成\w+）
account_pattern = re.compile(r"账户名称：(.*?) \(编号：(\w+)\)")

accounts = []
for idx, row in df.iterrows():
    # 遍历每行单元格，定位账户信息
    for cell in row:
        if isinstance(cell, str):
            match = account_pattern.search(cell)
            if match:
                accounts.append({
                    "account_name": match.group(1).strip(),
                    "account_number": match.group(2).strip(),
                    "start_row": idx  # 记录行号用于关联后续明细
                })

2. 关联账户明细与账户信息 #

假设每个账户信息后紧跟明细行，直到下一个账户信息出现：

account_details = []

# 遍历每个账户，提取对应明细
for i in range(len(accounts)):
    current_acc = accounts[i]
    # 确定明细结束行：下一个账户的起始行，或表格末尾
    end_row = accounts[i+1]["start_row"] if i+1 < len(accounts) else len(df)
    # 提取明细行（跳过标题行，根据实际情况调整偏移量）
    detail_rows = df.iloc[current_acc["start_row"] + 1 : end_row]
    # 清理空行
    detail_rows = detail_rows.dropna(how="all")
    
    # 为每条明细绑定账户信息
    for _, detail in detail_rows.iterrows():
        account_details.append({
            "account_name": current_acc["account_name"],
            "account_number": current_acc["account_number"],
            "date": detail.get("日期"),  # 替换为实际明细列名
            "amount": detail.get("金额"),
            "description": detail.get("摘要")
        })

3. 导出数据到MS Access #

用pyodbc连接Access数据库，创建关联表并插入数据：

import pyodbc

# 连接Access（不存在则自动创建）
conn_str = r'DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};DBQ=C:\path\to\your\account_db.accdb;'
conn = pyodbc.connect(conn_str)
cursor = conn.cursor()

# 创建账户表（编号唯一，自增ID为主键）
cursor.execute("""
CREATE TABLE IF NOT EXISTS Accounts (
    account_id AUTOINCREMENT PRIMARY KEY,
    account_name TEXT,
    account_number TEXT UNIQUE
)
""")

# 创建明细表（关联账户表的account_id）
cursor.execute("""
CREATE TABLE IF NOT EXISTS AccountDetails (
    detail_id AUTOINCREMENT PRIMARY KEY,
    account_id INTEGER,
    date DATE,
    amount DOUBLE,
    description TEXT,
    FOREIGN KEY (account_id) REFERENCES Accounts(account_id)
)
""")

# 插入账户数据（避免重复插入）
for acc in accounts:
    cursor.execute("""
    INSERT INTO Accounts (account_name, account_number)
    SELECT ?, ? WHERE NOT EXISTS (SELECT 1 FROM Accounts WHERE account_number = ?)
    """, (acc["account_name"], acc["account_number"], acc["account_number"]))

# 建立账户编号与ID的映射
account_id_map = {}
cursor.execute("SELECT account_id, account_number FROM Accounts")
for row in cursor.fetchall():
    account_id_map[row[1]] = row[0]

# 插入明细数据
for detail in account_details:
    acc_id = account_id_map[detail["account_number"]]
    cursor.execute("""
    INSERT INTO AccountDetails (account_id, date, amount, description)
    VALUES (?, ?, ?, ?)
    """, (acc_id, detail["date"], detail["amount"], detail["description"]))

conn.commit()
conn.close()

4. 生成Excel报表 #

用pandas整理数据并导出：

# 转换为DataFrame并调整列顺序
report_df = pd.DataFrame(account_details)[["account_name", "account_number", "date", "amount", "description"]]
# 导出报表
report_df.to_excel("account_report.xlsx", index=False, engine="openpyxl")

关键注意事项 #

• 若Excel含合并单元格，需先用openpyxl的merged_cells属性展开合并内容，避免数据遗漏。
• 正则表达式需根据实际账户格式微调，可先打印样本单元格内容测试匹配效果。
• 处理超大规模Excel时，建议用pd.read_excel(chunksize=1000)分块读取，防止内存溢出。

内容的提问来源于stack exchange，提问作者Angel Viera