analyze_excel.py
8.04 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Excel工资核算文件分析工具
分析工资核算相关的Excel文件，提取字段信息和引用关系
"""
import pandas as pd
import os
import re
from pathlib import Path
def analyze_excel_file(file_path, sheet_name=None):
"""分析单个Excel文件"""
try:
# 获取所有工作表名称
excel_file = pd.ExcelFile(file_path)
sheets = excel_file.sheet_names
print(f"\n=== 分析文件: {os.path.basename(file_path)} ===")
print(f"工作表数量: {len(sheets)}")
print(f"工作表名称: {sheets}")
analysis_result = {
'file_name': os.path.basename(file_path),
'sheets': {},
'all_columns': set(),
'formulas': [],
'references': []
}
# 分析每个工作表
for sheet in sheets:
if sheet_name and sheet != sheet_name:
continue
try:
df = pd.read_excel(file_path, sheet_name=sheet, header=0)
print(f"\n--- 工作表: {sheet} ---")
print(f"行数: {len(df)}")
print(f"列数: {len(df.columns)}")
print(f"列名: {list(df.columns)}")
# 收集列名
analysis_result['all_columns'].update(df.columns)
analysis_result['sheets'][sheet] = {
'rows': len(df),
'columns': len(df.columns),
'column_names': list(df.columns),
'sample_data': df.head(3).to_dict('records') if len(df) > 0 else []
}
# 查找公式和引用
for col in df.columns:
for idx, value in df[col].items():
if pd.notna(value) and isinstance(value, str):
# 查找Excel公式模式
formula_patterns = [
r'=([A-Z]+[0-9]+)', # 单元格引用
r'=([A-Z]+[0-9]+:[A-Z]+[0-9]+)', # 范围引用
r'=([A-Z]+[0-9]+\[[^\]]+\])', # 数组引用
r'=([A-Z]+[0-9]+\$[0-9]+)', # 绝对引用
r'=([A-Z]+[0-9]+:[A-Z]+[0-9]+\$[0-9]+)', # 绝对范围引用
]
for pattern in formula_patterns:
matches = re.findall(pattern, str(value))
if matches:
analysis_result['formulas'].append({
'sheet': sheet,
'cell': f"{col}{idx+1}",
'formula': str(value),
'references': matches
})
analysis_result['references'].extend(matches)
except Exception as e:
print(f"分析工作表 {sheet} 时出错: {e}")
analysis_result['sheets'][sheet] = {'error': str(e)}
return analysis_result
except Exception as e:
print(f"分析文件 {file_path} 时出错: {e}")
return None
def main():
"""主函数"""
base_path = "/Users/mr.wang/代码库/绿纤/lvqianmeiye_ERP/参考资料/工资核算 -7月"
# 要分析的文件列表
files_to_analyze = [
"工资(全字段).xlsx",
"①B-a-26考勤汇总表.xlsx",
"②B-a-17每日早报.xlsx",
"③B-a-③呈现-消耗明细表.xlsx",
"④B-a-25社保统计表.xlsx",
"⑤B-a-12奖励统计表.xlsx",
"B-b-③健康师底薪.xlsx",
"B-b-④健康师提成-金三角顾问.xlsx",
"B-b-⑤其他岗位工资.xlsx",
"B-b-⑤当月数据及门店毛利.xlsx"
]
all_results = {}
print("开始分析工资核算Excel文件...")
print("=" * 60)
for filename in files_to_analyze:
file_path = os.path.join(base_path, filename)
if os.path.exists(file_path):
result = analyze_excel_file(file_path)
if result:
all_results[filename] = result
else:
print(f"文件不存在: {filename}")
# 生成分析报告
generate_report(all_results)
def generate_report(all_results):
"""生成分析报告"""
report_path = "/Users/mr.wang/代码库/绿纤/lvqianmeiye_ERP/工资核算Excel分析报告.md"
with open(report_path, 'w', encoding='utf-8') as f:
f.write("# 工资核算Excel文件分析报告\n\n")
f.write("## 概述\n\n")
f.write("本报告分析了工资核算相关的Excel文件，提取了字段信息、公式引用关系等关键数据。\n\n")
# 文件概览
f.write("## 文件概览\n\n")
f.write("| 文件名 | 工作表数量 | 总列数 | 状态 |\n")
f.write("|--------|------------|--------|------|\n")
for filename, result in all_results.items():
if result:
sheet_count = len(result['sheets'])
total_columns = len(result['all_columns'])
f.write(f"| {filename} | {sheet_count} | {total_columns} | ✅ |\n")
else:
f.write(f"| {filename} | - | - | ❌ |\n")
# 详细分析
f.write("\n## 详细分析\n\n")
for filename, result in all_results.items():
if not result:
continue
f.write(f"### {filename}\n\n")
# 工作表信息
f.write("#### 工作表信息\n\n")
for sheet_name, sheet_info in result['sheets'].items():
if 'error' in sheet_info:
f.write(f"- **{sheet_name}**: 分析出错 - {sheet_info['error']}\n")
else:
f.write(f"- **{sheet_name}**: {sheet_info['rows']}行 x {sheet_info['columns']}列\n")
f.write(f" - 列名: {', '.join([str(col) for col in sheet_info['column_names']])}\n")
# 字段统计
f.write(f"\n#### 字段统计\n\n")
f.write(f"总字段数: {len(result['all_columns'])}\n\n")
f.write("所有字段列表:\n")
for col in sorted(result['all_columns'], key=str):
f.write(f"- {col}\n")
# 公式引用
if result['formulas']:
f.write(f"\n#### 公式引用\n\n")
f.write(f"发现 {len(result['formulas'])} 个公式引用:\n\n")
for formula in result['formulas'][:10]: # 只显示前10个
f.write(f"- **{formula['cell']}** ({formula['sheet']}): {formula['formula']}\n")
f.write(f" - 引用: {', '.join(formula['references'])}\n")
if len(result['formulas']) > 10:
f.write(f"\n... 还有 {len(result['formulas']) - 10} 个公式\n")
f.write("\n---\n\n")
# 字段汇总
f.write("## 字段汇总\n\n")
all_columns = set()
for result in all_results.values():
if result:
all_columns.update(result['all_columns'])
f.write(f"所有文件共发现 {len(all_columns)} 个唯一字段:\n\n")
for col in sorted(all_columns, key=str):
f.write(f"- {col}\n")
# 引用关系汇总
f.write("\n## 引用关系汇总\n\n")
all_references = set()
for result in all_results.values():
if result:
all_references.update(result['references'])
f.write(f"发现 {len(all_references)} 个唯一引用:\n\n")
for ref in sorted(all_references, key=str):
f.write(f"- {ref}\n")
print(f"\n分析报告已生成: {report_path}")
if __name__ == "__main__":
main()