Excel 文件结构化解析示例

【摘要】

本文介绍如何将各种结构的 Excel 文件解析成结构化数据，如普通行式、复杂表头、自由格式、交叉表、主子表、大文件等，并用 esProc SPL 举例实现。请点击Excel 文件结构化解析示例了解详情

本文将介绍如何进行各种格式的Excel文件结构化解析，如普通行式、复杂表头、自由格式、交叉表、主子表、大文件等，并提供用 esProc SPL 编写的代码示例。esProc 是专业的数据计算引擎，其采用的 SPL 中有完善的 Excel 文件处理函数，进行结构化解析及后续的计算、入库等操作非常方便。

1. 普通行式

这是一种最简单的文件格式，文件中每行都是一条数据记录，更常见的是第一行是列标题。

示例：在学生成绩文件scores.xlsx中，查询各班语文平均成绩。部分数据如下图：

esProc SPL脚本如下：

2. 复杂表头

多数时候，Excel文件的表头格式并不简单，往往是由多行构成的，比如有表标题、项目名称、填表人、填写日期、页码等信息。解析这种格式的文件时，需要跳过复杂的表头，指定从数据行的位置开始读取，然后指定结构化后的数据各列的列名。

示例：在项目造价文件itemPrices.xlsx中，计算项目总造价，部分数据如下图：

esProc SPL脚本如下：

3. 自由格式

一条数据记录分散在多行，字段列值单元格紧跟在列名单元格后面或下面，可能有跨列或跨行的合并单元格。但每条记录所占的行数以及对应行结构是相同的。循环读取时要以每条记录所占行数为单位组成一条记录。

示例：把自由格式的员工信息文件employee.xlsx存入到数据库表employee中，部分数据如下图：

esProc SPL脚本如下：

A1创建列名为“ID、Name、Sex、Position、Birthday、Phone、Address、PostCode”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，结束读数

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

A8-A10连接数据库，将雇员信息存入数据库表employee，关闭数据库

读取出来的A1单元格数据如下图所示：