如何用Python提取Excel中两个已知字段间的可变行数数据

需求说明 #

需要从Excel文件中提取以下数据：

• Dispatch和Arrival对应的时间
• 第一列中Incident Notes:和Event log（加粗高亮）之间的所有单元格内容，这部分单元格数量不固定：
  • 第一个事件：中间有2个单元格内容「Pizza with cheese」、「Did not tip」
  • 第二个事件：中间有1个单元格内容「Italian sub」
  • 第三个事件：中间有3个单元格内容「Hot wings」、「Rude」、「No street parking」

提取后每个事件的完整数据示例：

• 08/02/2022 4:02:29（Dispatch时间）
• 08/02/2022 4:04:22（Arrival时间）
• Pizza with cheese
• Did not tip

当前代码现状 #

目前已实现提取Dispatch时间，但无法处理Incident Notes:和Event log之间的可变范围内容：

wb = openpyxl.load_workbook('TestSpreadsheet.xlsx')
sheet = wb['Sheet1']
for row in range(1, sheet.max_row):
    myrow = sheet[row]
    callstatus = sheet['C' + str(row)].value
    if callstatus == 'Dispatch:':
        calltime =sheet['C' + str(row+1)].value
        print(f" Status: {callstatus} at {calltime}")
#   TODO: figure out how to pull range of cells between
#   Incident Notes: and Event log: cells

解决方案 #

可以通过标记起始行，再用while循环遍历直到终止行的方式，收集中间内容。同时整合Dispatch、Arrival和Incident Notes的信息：

from openpyxl import load_workbook

wb = load_workbook('TestSpreadsheet.xlsx')
sheet = wb['Sheet1']
max_row = sheet.max_row

# 用于存储当前事件的信息
current_event = {}

for row_num in range(1, max_row + 1):
    # 获取当前行A列和C列的值
    col_a_value = sheet[f'A{row_num}'].value
    col_c_value = sheet[f'C{row_num}'].value
    
    # 提取Dispatch时间
    if col_c_value == 'Dispatch:':
        current_event['Dispatch'] = sheet[f'C{row_num + 1}'].value
    # 提取Arrival时间
    elif col_c_value == 'Arrival:':
        current_event['Arrival'] = sheet[f'C{row_num + 1}'].value
    # 找到Incident Notes的起始行，开始收集中间内容
    elif col_a_value == 'Incident Notes:':
        incident_notes = []
        next_row = row_num + 1
        # 循环直到碰到Event log
        while next_row <= max_row:
            note_value = sheet[f'A{next_row}'].value
            if note_value == 'Event log':
                break
            if note_value is not None:  # 跳过空单元格
                incident_notes.append(note_value)
            next_row += 1
        current_event['Incident Notes'] = incident_notes
        # 收集完当前事件所有信息后，打印或存储
        print("当前事件数据：")
        print(f"- Dispatch: {current_event['Dispatch']}")
        print(f"- Arrival: {current_event['Arrival']}")
        for note in current_event['Incident Notes']:
            print(f"- {note}")
        print("---")
        # 重置current_event，准备下一个事件
        current_event = {}

代码逻辑说明 #

1. 遍历每一行，分别检查A列和C列的内容
2. 遇到Dispatch:或Arrival:时，提取下一行C列的时间存入当前事件字典
3. 遇到Incident Notes:时，从下一行开始用while循环遍历A列，直到碰到Event log，收集中间非空的单元格内容
4. 当收集完当前事件的所有信息后，打印输出并重置事件字典，处理下一个事件

内容的提问来源于stack exchange，提问作者Roberto