公司研發(fā)部需要常年采購一些新物料，用于新產(chǎn)品開發(fā)。每次采購新物料都需要出一份工程采購申請單（EPR：Engineering purchase request），并有一個編號，格式為“EPR-XX-XXXXX”。由于公司的采購系統(tǒng)中沒有用于填寫EPR編號的欄位，因此采購在系統(tǒng)填單的時候只得填寫到備注欄內(nèi)。備注欄是一個極其不規(guī)范的欄位，每個采購員的風(fēng)格不同，填寫方法也是五花八門，比如如下： 

工程部需要每天從系統(tǒng)導(dǎo)出這些物料的采購信息，然后用vlookup函數(shù)跟其內(nèi)部登記的表格進行匹配，以了解物料交期，制定新產(chǎn)品開發(fā)進度。但是這個采購信息表里的EPR編號實在太不規(guī)范，很難與自己的記錄表匹配，處理起來費時費力。Python正則表達式（規(guī)則表達式）可以輕松地處理這類問題，我們只需要設(shè)定好規(guī)則，可以從一堆亂七八糟的字符串中提取出我們想要的信息。

#1.獲取備注欄的所有信息from openpyxl import load_workbook
wb=load_workbook('data\采購信息表.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，我們導(dǎo)入openpyxl模塊的load_workbook方法打開“采購信息表”，獲取“Sheet1”工作表。然后建立一個空列表PR_rawdata，以存儲備注欄對應(yīng)列的信息。隨后從第二行開始遍歷所有行，提取第四列中的信息，使用append方法將其存入空列表PR_rawdata。

提取完信息后，可通過len()查看PR_rawdata中元素個數(shù)，看看是否有遺漏。我們可以看到有1583個元素，妥妥的。

len(PR_rawdata)>>1583

然后我們就開始使用強大的正則表達式。首先導(dǎo)入re模塊中的compile及IGNORECASE。re模塊包含正則表達式的所有函數(shù)。compile為正則表達式函數(shù)，用于匹配所需要的內(nèi)容；IGNORECASE表示忽略字符串中的大小寫。我們先創(chuàng)建一個函數(shù)get_EPR_num()，以方便后面反復(fù)調(diào)用，其中包含一個參數(shù)text，用于傳入包含EPR編號的字符串，比如“...ASIA PACIFIC PO  CN..EPR-14?X1059..........”。函數(shù)要做的事，就是在這個字符串中按照我們設(shè)定的規(guī)則提取出EPR編號，其結(jié)果應(yīng)該是“EPR-14-X1059”。

有些包含EPR編號的字符串是帶有問號“?”的，比如“EPR-14?X1059”，因此需要先將其替換成我們想要的“-”。我們使用replace('?','-')進行替換。然后向compile中傳入一個字符串r“\S{3}-\d\d\S\S\d{3}(\d)?”，創(chuàng)建正則表達式，并增加參數(shù)IGNORECASE忽略大小寫。最前面的r表示忽略字符串中的轉(zhuǎn)義字符（此例中的“\”是正則表達式規(guī)則的一部分，不是轉(zhuǎn)義字符，若不忽略，將被程序當(dāng)成轉(zhuǎn)義字符而出錯）。其中'\S'指除空格外的所有字符，“{3}”指匹配三次。然后是“-”，接著是兩個數(shù)字“\d{2}”。“-X”之后3或4個數(shù)字，所以用“\d{3}(\d)?”，其中“(\d)?”表示可選匹配，即“-X”后面是3位數(shù)字的話就取3位數(shù)字，是4位數(shù)字就取4位數(shù)字。

正則表達式創(chuàng)建好后，我們就去到原始字符串中去搜索符合條件的項，并存入match變量。最后調(diào)用Match對象的group()方法，并使用upper()將小寫轉(zhuǎn)換為大寫，返回匹配到的字符串，即EPR編號。group()是可以截取分組的字符串，分組是通過在正則表達式中加入括號()來操作，此例未分組，即只有1組。正則表達式常用的符號如下：

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編號的函數(shù)創(chuàng)建好了之后，就可以開始調(diào)用它來處理數(shù)據(jù)了。首先建一個列表PR_list_result來儲存處理后的數(shù)據(jù)，然后遍歷PR_rawdata，將其中的每個元素（即包含EPR編號的字符串）傳入函數(shù)get_EPR_num()提取EPR編號，然后存入列表PR_list_result。我們可以看到列表PR_list_result里面就是很規(guī)則的EPR編號了，共有1583個。

len(PR_list_result)>>1583#3.在原工作表新增一列，并寫入獲取到的PR編號
wb1=load_workbook('data\采購信息表.xlsx')
ws1=wb1['Sheet1']
i=0 #計數(shù)器，用于從包含所有EPR編號的列表PR_list_result中逐個取出數(shù)據(jù)for row in range(2,ws.max_row+1):
    ws1.cell(row=row,column=5).value=PR_list_result[i]
    i+=1 #計數(shù)器加1，以提取下一個數(shù)據(jù)
wb1.save('data\采購信息表_新.xlsx')

數(shù)據(jù)處理完后，就可以寫入到Excel表里面去了。我們在原表中最后一列的后面寫入規(guī)整的EPR編號。所以還是先打開“采購信息表.xlsx”，獲取工作表“Sheet1”。定義一個計數(shù)器i，將其作為索引用于從包含所有EPR編號的列表PR_list_result中逐個取出數(shù)據(jù)，其初始值為0，因為列表的索引是從0開始的。然后建立一個for循環(huán)，從Excel表的第二行，第5列開始寫入數(shù)據(jù)，寫一個數(shù)據(jù)，計數(shù)器i加上1，以便寫入下一個數(shù)據(jù)。

數(shù)據(jù)寫完后，使用新的文件名保存文件。最后得到的結(jié)果如下： 

所有源代碼和說明都在Jupyter notebook上完成，所用到的Excel 資料已上傳GitHub, 歡迎Fork或下載到本地隨意玩。。。轉(zhuǎn)載請注明出處，謝謝。

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