python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python Excel数据查找替换

使用Python在Excel中查找替换数据并高亮显示

作者：用户835629078051

这篇文章主要为大家详细介绍了如何用Python的Spire.XLS库自动查找替换文本、数值或公式,并在替换的同时给单元格加上填充色,让所有改动一目了然,感兴趣的小伙伴可以了解下

在整理从多个系统导出的报表时，经常需要把某些称呼统一成标准写法：把"North America"改成"America"，把旧的部门名称替换成新名称，或者把"Total"统一成"Sum"。手工替换的问题在于无法留下痕迹——改完之后没人知道哪些单元格被动过，核对时只能逐行比对。更实际的做法是：让脚本完成替换，同时给每个被修改的单元格加上填充色，这样一看颜色就知道改动范围。

Python 可以通过 Spire.XLS for Python 完成这类工作。除了普通的字符串替换，它还支持正则匹配、数值查找、按格式查找，以及替换时同时应用新样式，因此可以覆盖大多数报表清洗场景。

为什么用脚本做查找替换

环境准备

安装 Spire.XLS：

pip install Spire.XLS

在脚本中导入需要的模块：

from spire.xls import *
from spire.xls.common import *

查找并替换文本，同时高亮

工作表级别的 FindAllString() 返回一个包含所有匹配单元格的集合，遍历集合就能逐个修改内容并设置样式。下面这个例子把所有"Total"替换为"Sum"，并将这些单元格填充为黄色：

from spire.xls import *
from spire.xls.common import *

workbook = Workbook()
workbook.LoadFromFile("Report.xlsx")
worksheet = workbook.Worksheets[0]

# 查找所有匹配的单元格
ranges = worksheet.FindAllString("Total", True, True)

for range in ranges:
    # 改写内容，即完成替换
    range.Text = "Sum"
    # 填充黄色标记改动位置
    range.Style.Color = Color.get_Yellow()

workbook.SaveToFile("ReplaceAndHighlight.xlsx", ExcelVersion.Version2010)
workbook.Dispose()

FindAllString() 的三个参数依次是：要查找的文本、是否区分大小写、是否整词匹配。上面传入 True, True，表示只替换大小写完全一致并且独立成词的"Total"，total 或 Subtotal 不会被误伤。range.Text 既用于读取也用于写入，直接赋值即完成替换；range.Style.Color 控制单元格填充色，Color.get_Yellow() 是枚举形式的预定义颜色。

只做标记，不修改内容

在核对数据时，有时并不希望改动内容，只是想标出可疑位置。此时遍历时跳过赋值即可：

from spire.xls import *
from spire.xls.common import *

workbook = Workbook()
workbook.LoadFromFile("Data.xlsx")
worksheet = workbook.Worksheets[0]

ranges = worksheet.FindAllString("Area", False, False)

for range in ranges:
    # 保留原文，仅用颜色标记
    range.Style.Color = Color.get_Yellow()

workbook.SaveToFile("Marked.xlsx", ExcelVersion.Version2013)
workbook.Dispose()

这里两个参数都为 False，表示忽略大小写且不要求整词匹配，因此"Area""area""Area Code"都会被标记出来。

用正则表达式匹配复杂模式

当待处理的数据没有固定字面量时，正则表达式更合适。FindAllString() 还有一个带第四个参数的重载，把该参数设为 True 即启用正则匹配：

from spire.xls import *
from spire.xls.common import *

workbook = Workbook()
workbook.LoadFromFile("FindTextByRegex.xlsx")
worksheet = workbook.Worksheets[0]

# 匹配所有以 North 开头的文本
ranges = worksheet.FindAllString(".*North.", False, False, True)

for range in ranges:
    range.Style.Color = Color.get_Yellow()

workbook.SaveToFile("RegexHighlighted.xlsx", ExcelVersion.Version2013)
workbook.Dispose()

模式字符串遵循 .NET 正则语法，因此可以用 \d{4} 定位年份、用 ^A.* 定位以 A 开头的文本。正则模式配合高亮，常用于在一张混合了多种格式的表里快速圈出不符合规范的单元格。

查找数值与公式

文本之外，其他类型的数据也有对应的查找方法：

# 查找数值 100，第二个参数表示是否按整值匹配
numberRanges = sheet.FindAllNumber(100, True)
for range in numberRanges:
    print(range.RangeAddress)

# 查找使用了指定公式的单元格
formulaRanges = sheet.FindAll("=SUM(A11,A12)", FindType.Formula, ExcelFindOptions.none)
for range in formulaRanges:
    print(range.RangeAddress)

FindAllNumber() 的第二个参数为 True 时只匹配等于该数值的单元格，为 False 时会匹配包含该数值的单元格。FindAll() 接受 FindType 枚举，除了 Formula 之外还支持 Text、Number、DateTime 等类型；ExcelFindOptions.none 表示不使用额外匹配选项。与前面不同，这两个方法返回的集合通常用于定位——遍历时读取 range.RangeAddress 拿到单元格地址，再据此做后续处理，例如删除整行：

cr = sheet.FindString("Address", False, False)
sheet.DeleteRow(cr.Row)

FindString() 只返回第一个匹配项，适合"找到就处理一次"的场景。拿到结果后用 Row 属性取出所在行号，再传给 DeleteRow() 就能删掉包含该关键字的整行。

替换时同时应用新样式

如果替换不仅涉及文字，还要求更新外观，ReplaceAll() 可以在一次调用中完成内容与样式的替换。它接收四个参数：原文、原文样式、新文本、新样式：

newStyle = workbook.Styles.Add("newStyle")
newStyle.Font.FontName = "Arial Black"
newStyle.Font.Size = 14

cellRange = sheet.Range["D9"]
oldStyle = cellRange.Style
sheet.ReplaceAll("North America", oldStyle, "America", newStyle)

这段代码只在样式匹配 D9 单元格的区域内，把"North America"换成"America"，并套用 newStyle（Arial Black、14 号）。workbook.Styles.Add() 创建的自定义样式可以反复复用，因此在处理格式统一的报表时，先用一个样本单元格取出原样式，再让 ReplaceAll() 按此样式筛选，能避免误改其他区域的同名文本。

实用建议

知识扩展

使用 Python 在 Excel 中识别并高亮重复数据与唯一数据

汇总多份报名表时，邮箱地址重复意味着有人重复提交；核对库存清单时，重复的商品编码说明台账里存在两条记录；而在排查录入错误时，我们反而更关心只出现了一次的"唯一值"，因为它们往往是遗漏或拼写错误的结果。无论哪一种，靠肉眼看几千行数据都不现实。

Excel 自带的"条件格式 → 重复值"功能可以解决这个问题，但它是交互式操作：每换一份文件就要重新选区域、选颜色规则。用 Python 则可以把这套判断固化成脚本，批量套用到任意多的工作表上。本文介绍用 Spire.XLS for Python 在程序中查找并高亮重复值与唯一值的方法。

为什么用脚本处理重复值检查

环境准备

安装 Spire.XLS：

pip install Spire.XLS

在脚本中导入需要的模块：

from spire.xls import *
from spire.xls.common import *

两个专用条件格式方法

Spire.XLS 的条件格式入口是工作表的 ConditionalFormats 集合。常规做法是先 Add() 新建一条规则、用 AddRange() 指定作用区域，再用 AddCondition() 添加条件并设置 FormatType。对于重复值与唯一值，还有两个语义更明确的专用方法：

方法作用
AddDuplicateValuesCondition()高亮区域内出现两次及以上的值
AddUniqueValuesCondition()高亮区域内只出现一次的值

两者的判断范围都是 AddRange() 指定的区域。换句话说，"是否重复"是在所选范围内比较得出的，与区域外的数据无关。设置好条件后，通过 FillPattern、BackColor、FontColor 等属性决定最终外观。

高亮重复值

下面的例子在成绩表的学号列中找出重复项，并用粉色底纹标出：

from spire.xls import *
from spire.xls.common import *

workbook = Workbook()
workbook.LoadFromFile("Template_Xls_6.xlsx")
sheet = workbook.Worksheets[0]

# 新建一条条件格式规则并限定作用区域
conds = sheet.ConditionalFormats.Add()
conds.AddRange(sheet.Range["C2:C10"])

# 添加重复值条件
cf = conds.AddDuplicateValuesCondition()
cf.FillPattern = ExcelPatternType.Solid
cf.BackColor = Color.get_IndianRed()

workbook.SaveToFile("HighlightDuplicates.xlsx", ExcelVersion.Version2010)
workbook.Dispose()

AddDuplicateValuesCondition() 不接收参数——它本身就是"重复值"这个判断。FillPattern = ExcelPatternType.Solid 指定填充方式为实心，BackColor 才是实际的颜色；如果不设置 FillPattern，只设颜色往往看不到填充效果，这是使用条件格式时最常见的疏漏。若还想让重复项的文字变色，再加上 cf.FontColor = Color.get_White() 即可。

同时标记重复值与唯一值

唯一值的写法完全对称，换成 AddUniqueValuesCondition() 即可。把两条规则套用到同一区域，区域内每一个非空单元格都会被标上颜色：出现两次以上的是一种颜色，只出现一次的另一种颜色，适合用来快速浏览一份数据的取值分布。

from spire.xls import *
from spire.xls.common import *

workbook = Workbook()
workbook.LoadFromFile("Template_Xls_6.xlsx")
sheet = workbook.Worksheets[0]

# 规则一：重复值标记为印度红
xcfs = sheet.ConditionalFormats.Add()
xcfs.AddRange(sheet.Range["C2:C10"])
dup = xcfs.AddDuplicateValuesCondition()
dup.FillPattern = ExcelPatternType.Solid
dup.BackColor = Color.get_IndianRed()

# 规则二：唯一值标记为黄色
xcfs1 = sheet.ConditionalFormats.Add()
xcfs1.AddRange(sheet.Range["C2:C10"])
uniq = xcfs1.AddUniqueValuesCondition()
uniq.FillPattern = ExcelPatternType.Solid
uniq.BackColor = Color.get_Yellow()

workbook.SaveToFile("DuplicateAndUnique.xlsx", ExcelVersion.Version2010)
workbook.Dispose()

关键点是两条规则必须各自调用一次 ConditionalFormats.Add()，再分别 AddRange()。如果把第二个条件加到第一条规则集合上，区域和颜色都会与预期不符——这个坑在示例代码里也很常见，写的时候留意一下 AddRange() 的宿主对象是否与条件对应。

批量应用到多个工作表

一份台账往往有多张结构相同的月度表，循环遍历即可复用同一套规则：

for i in range(workbook.Worksheets.Count):
    sheet = workbook.Worksheets.get_Item(i)

    xcfs = sheet.ConditionalFormats.Add()
    xcfs.AddRange(sheet.Range["C2:C10"])
    cf = xcfs.AddDuplicateValuesCondition()
    cf.FillPattern = ExcelPatternType.Solid
    cf.BackColor = Color.get_IndianRed()

Worksheets.Count 给出工作表总数，get_Item(i) 按索引取出每一张。如果各表的列数不一致，把固定区域 C2:C10 换成 sheet.AllocatedRange 之类的动态区域会更稳妥。

结语

本文介绍了使用 Python 在 Excel 中查找和替换数据的几种方式：通过 FindAllString() 完成文本替换并用 Style.Color 高亮标记，借助正则重载匹配复杂模式，用 FindAllNumber() 与 FindAll() 定位数值和公式，以及在替换的同时通过 ReplaceAll() 应用新样式。把这几种方式组合起来，就可以构建一套可复核的报表清洗流程，替换与标注一次完成。

到此这篇关于使用Python在Excel中查找替换数据并高亮显示的文章就介绍到这了,更多相关Python Excel数据查找替换内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:
阅读全文