Python处理Excel文件

因为工作需求，需要审核一部分query内容是否有效，query储存在Excel中，文本内容为页面的Title，而页面的URL以HyperLink的格式关联到每个Cell。

于是本能的想到用Python读取Excel文件之后进行文本分析，之后对每个链接进行一次HttpRequest，通过分析HttpResponse的内容来判断当前链接是否有效。

于是上网搜了下，发现比较主流的是用xlrd的插件，但是实际使用过程中发现，无论如何，最终获取的hyperlink_map值一直都是None，也没空去分析到底是为什么。最后经过搜索发现一个叫xlwings的Python库，可以有效使用。

xlwings：Python For Excel

具体的代码如下：

# -*- coding=utf-8 -*-

import xlwings as xw

import urllib

import sys

type = sys.getfilesystemencoding()

def get_html(url):

    page = urllib.urlopen(url)

    html = page.read()

    return unzip(html)


## Debug的时候发现无论怎样做Decode，最后的结果都是乱码
## 后来发现是因为对应的网页做了压缩处理，所以需要对获取的网页内容手动解压缩

def unzip(data):

    import gzip

    import StringIO

    data = StringIO.StringIO(data)

    gz = gzip.GzipFile(fileobj=data)

    data = gz.read()

    gz.close()

    return data

wb = xw.Book(r"C:\Users\hasee\Desktop\Test.xlsx")

main_data = wb.sheets["Sheet2"]
## 通过获取Last Cell来确定当前Sheet的有效行数与列数

rownum = main_data.range('A1').current_region.last_cell.row

colnum = main_data.range('A1').current_region.last_cell.column


## 定位column对应的列

col_dict = {"":"B","":"C","":"D","":"E","":"F"}

for row in range(1, rownum + 1):

    for col in range(2, colnum + 1):

        query = main_data.range(row, 1).value

        cell =  main_data.range(row, col)

        link = cell.hyperlink

        html = get_html(link)

        if "error-container" in html:

            print "%s,%s,%s,%s" % (query, col_dict.get(str(col))+str(row), cell.value, cell.hyperlink)
            ## 对无效的链接所属的Cell染色，直接写入文件

            cell.color = (253,218,4)