10行代码提取复杂Excel数据-创新互联

把 Excel 文件导入关系数据库是数据分析业务中经常要做的事情，但许多 Excel 文件的格式并不规整，需要事先将其中的数据结构化后再用 SQL 语句写入数据库。而一般情况下，结构化的工作量会比较大，而且很难通用，每次都要针对文件格式进行分析后再进行开发。
集算器的 SPL 语言是一款高效、灵活的工具，它能够轻松读取 excel 数据，然后结构化成“序表”后导入数据库。使用 SPL 语言后，以往需要编写数千行代码才能完成的 Excel 数据结构化入库工作，现在只需要不到 10 行代码就可以胜任，简单情况下甚至只需要 2、3 行代码！真的这么神奇吗？下面就来看看神奇之处吧

10行代码提取复杂Excel数据

下面我们将分情况讨论如何利用集算器将Excel数据进行结构化。文中用到的函数请参看集算器文档《函数参考》。

1.  普通行式

先看最简单的情况：如下图所示，Excel文件中第一行是列标题，从第二行开始，每行是一条数据记录。

集算器处理这种文件也非常简单：

A1 打开“学生成绩表.xlsx”文件并导入成序表，选项@t表示文件第一行是列标题

A2 连接demo数据库

A3 将A1中的序表存入到demo数据库的xscj表中，由于表中的列名和序表中的字段名一样，所以只需指定数据表名即可。update函数的更详细用法请查阅函数文档。

A1中得到的序表如下图所示：

A2、A3两步连接数据库和将序表存入数据库的方法是通用的，所以后面的例子中将不再写这两步，只关注于如何把Excel中的数据结构化成序表。

2.  多行表头行式

大多数时候，Excel文件都不会象上例那么简单，表头往往比较复杂，有表名、项目名、页码、填表人、填写日期等等。比如这个样子：

对于这种表，我们在读取时就要跳过表头，直接从数据行开始读。

A1  打开文件并导入数据成序表，参数“1,5”表示读第一个 sheet，从第 5 行开始读，一直读到文件结尾

A2  将 A1 中读到的序表列名依次改为“序号、项目编码、项目名称、计量单位、数量、单价、合价”，即要存入的数据表的列名。

运行后 A2 中的序表如下：

3.  自由格式

有时Excel文件的数据并不是网格式的规则表，而是字段名后紧跟着字段值的自由格式，如下图的雇员信息表：

每个雇员信息占据9行，依次往下排列。对这种文件，该怎么结构化呢？请看：

A1  创建列名为“雇员 ID, 姓名, 性别, 职位, 生日, 电话, 地址, 邮编”的空序表

A2  打开 Excel 数据文件

A3  定义雇员信息所在单元格列号序列

B3  定义雇员信息所在单元格行号序列

A4  用 for 循环读取每个雇员信息

B4  A3.(~/B3(#))先算出当前雇员单元格编号序列, 再读出这些单元格值组成雇员信息序列。第一次循环时为 [C1,C2,F2,C3,C4,D5,C7,C8]，第二次循环时为[C10,C11,F11,C12,C13,D14,C16,C17]……每次行号加 9。$[A2.xlscell(] 与 "A2.xlscell(" 相同，都是表示一个字符串，它的好处是在 IDE 中编写程序时，如果 A2 单元格的编号发生了变化，$[A2.xlscell(]中的 A2 会自动变化，比如在 A2 前插入了一行，这个表达式就会变成 $[A3.xlscell(]，而用引号的话，就不会自动变了。

B5   判断雇员 ID 值是否为空，为空则退出循环，结束运行

B6   将一条雇员信息存入 A1 序表尾

B7  让雇员信息的行号序列都加上 9，读取下一条雇员信息

运行后得到的 A1 序表如下：

4.  交叉表

Excel中还有交叉表格式的数据，如下图：

数据结构化程序如下：

A1  打开文件并导入数据成序表，参数“1,2”表示读第一个 sheet，从第 2 行开始读，一直读到文件结尾。选项 @t 表示开始行是列标题。

A2  由于第二行第一个单元格是图片，读的数据为 null，第一列没有列标题，所以将第一列列名改为运货商。

A3  以运货商为分组，对序表数据进行行列转换，选项 @r 表示将列数据转换为行数据，转换后新的列名分别为“货主地区”、“订单数量”。

运行后得到的 A3 序表如下：

5.  主子表

在下图所示的员工信息登记表中，除了有员工本人的信息外，还有他的家庭成员信息。每个 sheet 保存一个员工的相关信息，所以有多少员工，就有多少个 sheet。

对这种主子表结构的数据，需要创建两个序表分别保存主表和子表的数据，集算器程序如下：

A1  创建列名为“×××号, 姓名, 性别, 出生日期, 民族, 手机号, 部门, 家庭地址, 婚姻状况, 入职时间”的空序表，用于保存主表员工信息

A2  创建列名为“×××号, 姓名, 关系, 工作单位, 联系电话”的空序表，用于保存子表员工家庭成员信息

A3  定义主表员工信息所在单元格序列

A4  打开 Excel 数据文件

A5  循环读取 Excel 文件各 sheet 数据

B6  读取员工信息序列

C6  将 B6 读取的员工信息保存到序表 A1

B7  从第 6 行开始读取员工家庭成员信息，只读指定的“家庭成员, 姓名, 关系, 工作单位, 联系电话”5 列

B8  将 B7 序表的家庭成员列改名为×××号

C8  为 B8 序表的×××号列赋值为员工信息中的×××号

B9   将 B8 中的员工家庭成员信息保存到序表 A2

程序运行后，序表 A1 如下图所示：

序表 A2 如下图所示：

上面这些情况基本罗列了常见的 Excel 数据格式，如果遇到更复杂的文件，也可以灵活使用例子中的技巧予以应对。简单总结一下，集算器提供了非常灵活的在 excel 文件中定位和读取数据的功能，既可以成片读取网格数据，也可以精确定位单元格进行读取。再结合特有的“序表”对象，以往需要编写数千行代码才能完成的 Excel 数据结构化入库工作，现在只需要不到 10 行代码就可以胜任，简单情况下甚至只需要 2、3 行代码！

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。