一 問題描述

最近朋友在工作中遇到這樣一個問題，她每天都要處理如下一批 Excel 表格：每個表格的都只有一個 sheet，表格的前兩行為表格標題及表頭，表格的最后一行是相關人員簽字。最終目標是將每個表格的內容合并到一個 Excel 表格中，使之成為一張表格。在她未咨詢我之前，每天復制粘貼這一類操作占用了她絕大部分時間。表格樣式如下：

二 需求分析

根據她的描述，最終需求應該是這樣的：在這一批表格中選取任意一個表格的前兩行作為新表格的標題與表頭，將這兩行內容以嵌套列表的形式插入一個名為 data 空列表中。取每張表格的第3至倒數第二行，剔除空白行的內容。并將所有表格的內容以子列表的方式依次插入 data 列表中。任取一表格的最后一行以子列表的方式插入 data 列表中。最后將 data 列表的內容寫入一個新的 Excel 表格中。

三 查閱資料

通過幾分鐘的上網查詢，得出以下結論：

3.1 通過 xlrd 和 xlsxwriter 模塊即可解決次需求；

3.2 之所以使用 xlrd 和 xlsxwriter 是因為： xlrd擅長讀取 Excel 文件，不適合寫入，用 xlsxwriter 來進行大規模寫入 Excel 表格不會出現報錯。

四 編碼

一切以解決當前問題為向導，說干就干。 coding … …

# -*- coding:utf-8 -*-import os, xlrd, xlsxwritersource_dir = r'input'new_execl = "All in one.xlsx"raw_excels = os.listdir(source_dir)keyword = "油站經理" # 除包括此關鍵字的行均插入data = []filename = os.path.join(source_dir, raw_excels[0])wb = xlrd.open_workbook(filename)sheet = wb.sheets()[0]data.append(sheet.row_values(0))data.append(sheet.row_values(1))for excel in raw_excels: filename = os.path.join(source_dir, excel) wb = xlrd.open_workbook(filename) sheet = wb.sheets()[0] for row_num in range(2, sheet.nrows):  row_values = [str(i) for i in sheet.row_values(row_num)]  if len(''.join(row_values)) and (keyword not in ''.join(row_values)):   data.append(sheet.row_values(row_num))data.append(sheet.row_values(sheet.nrows-1))new_wb = xlsxwriter.Workbook(new_execl)worksheet = new_wb.add_worksheet()font = new_wb.add_format({"font_size":11})for i in range(len(data)): for j in range(len(data[i])):  worksheet.write(i, j, data[i][j], font)new_wb.close()

半小時后，大功告成！

五 使用說明

5.1 下載安裝 Python3.X(具體安裝步驟自己查一下)；

5.2 安裝 xlrd 和 xlsxwriter 模塊，參考命令： pip install xlrd xlsxwriter。開始此步驟之前可能需要先升級pip，具體升級命令系統會提示，復制粘貼即可；

5.3 新建一個名為 input 的文件夾，將需要合并的文件復制到這個文件夾下；

5.4 把以上代碼復制以 excels_merge.py 的文件名保存在與 input 文件夾同級別的文件夾中，雙擊鼠標稍后即可。如果沒有關聯打開方式，那么就在資源管理器的地址欄輸入“cmd”，在打開的命令窗口輸入：python excels_merge.py。生成的 All in one.xlsx 即為合并后的新 Excel 文件。

六 總結

6.1 [str(i) for i in sheet.row_values(row_num)]這一部分代碼實現了將列表內的元素統一轉化為字符串，主要是為了下一行代碼實現將列表轉換為字符串；

6.3 此的腳本不對源 Excel 文件進行任何操作，可是放心使用；

6.4 以上腳本就是隨手一寫，都沒有優化，以后如果數據量太大估計會考慮優化，希望大家多提意見或建議;