Excel嗅探、正则表达式和子字符串匹配

Question

我有这段代码，它在目录中所有电子表格的“列”中搜索“短语”，然后将匹配的日期、时间和位置输出到"output.csv“中(该位置在同一行上，但日期和时间在同一行中，从”短语“行位置向上0-7行)。我需要它能够在单元格中找到“短语”，但现在，它只适用于精确匹配。如果列20中的单元格包含"phrase one"，下面的示例不会将写入输出文件。

import os
import xlrd
from xlrd import open_workbook
import datetime
from datetime import time
import csv

# edit these params
outputfile = 'output.csv'
phrase = 'phrase'
column = 20

rootdir = '.'


def writeToCSV(datalist,outputfile):
    with open(outputfile, 'w') as f:
        for sublist in datalist:
            for item in sublist:
                f.write(item + ',')
            f.write('\n')

def getdata(filename,row):
    # print(row)
    # print(filename,'filename')
    wb = open_workbook(filename)
    items = []
    for sheet in wb.sheets():
        number_of_rows = sheet.nrows
        number_of_columns = sheet.ncols

        rows = []
        # print(filename,' file')
        for row1 in range(row,row-10, -1):
            # print()
            if row1 >= 0 and row1 < number_of_rows:
                rowNo = sheet.cell(row1, 2).value
                try :
                    if rowNo != '' and int(rowNo):
                        datetime1 = datetime.datetime(*xlrd.xldate_as_tuple(sheet.cell_value(rowx=row1, colx=0), wb.datemode))
                        date_values = xlrd.xldate_as_tuple(sheet.cell_value(rowx=row1, colx=1), wb.datemode)
                        time_value = time(*date_values[3:])
                        # print(time_value)
                        items.append(str(rowNo))
                        items.append(str(datetime1))
                        items.append(str(time_value))
                        # items[str(rowNo)]= str(datetime1)+'-'+str(time_value)
                        break
                except Exception as e:
                    pass
                    # print(e)
    # print(items)
    return items

def extractData(filename,searchString,column):
    wb = open_workbook(filename)
    dataList = []
    for sheet in wb.sheets():
        number_of_rows = sheet.nrows
        number_of_columns = sheet.ncols
        items = []
        rows = []
        for row in range(1, number_of_rows):
            rowdata = []
            for col in range(number_of_columns):
                value = (sheet.cell(row, col).value)
                if value == searchString :
                    if col == column :
                        data = getdata(filename,row)
                        dataList.append(data)

                        # print(value)
                # rowdata.append(value)

            # print(len(rowdata))
    return dataList

def main():
    for subdir, dirs, files in os.walk(rootdir):
        for file in files:
            fullname =os.path.join(subdir, file)
            list = subdir.split('\\')
            date = ''
            if len(list) > 2 :
                date = list[1].split('-')[1] +'-'+ list[2]
            # print(date)
            # print(file)
            if date != '' :
                namelist = file.split('-')
                if len(namelist)> 2:
                    if (namelist[0] in date) and (namelist[1] in date):
                        # print(file)
                        data = extractData(fullname,phrase,column)
                        if len(data) > 0 :
                            writeToCSV(data,outputfile)



if __name__ == '__main__':
    main()  # call main method

我知道regex可以很容易地找到字符串中的子字符串，但我不知道在代码中的确切位置进行修改。在不同的语言中，或者如果代码是以不同的方式编写的，我会尝试添加一个if语句，如果字符串包含" phrase "，则该语句会将数据写入输出文件，但我无法确定代码在何处尝试限定短语是否与单元格值匹配。任何关于这方面的见解都是值得赞赏的。

Answer 1

在函数extractData中，将比较设置为if value == searchString :。这就是您检查字符串value (来自您的Excel文件)是否与searchString (您的"pharse")相同的地方。您可以将其替换为Pythons searchString in value。这行代码应该类似于if searchString in value:，如果只查找子字符串，则不需要正则表达式。

Answer 2

有几件事似乎引起了问题，但最主要的原因可能是您的extractData模块在特定工作表的一行中找到了搜索字符串，并且getData模块在工作簿中的所有工作表中使用同一行，而没有验证是否每个工作表都向上移动到该行。最好是传递找到搜索字符串的工作表，然后让"getData“只搜索特定的工作表。