背景：
最近工作中需要核对客户的历史数据，
接近400个产品，需要核对的列有15列，行数有8000+行
肉眼核对简直要吐血
心想着反正在学python呢
人生苦短
何不用python写个脚本
帮助我核对
我省出时间来做些更有意义的事情呢
前提：
我需要核对的两份Excel有以下特点：
- 有共同的主键
- 两份Excel的结构不尽相同，仅需要核对源文件47列中的15列，这些列在目标文件中都能找到
主要思路：
将两个文件的主键作为键，将要核对的列作为值，保存到字典中
然后再进行比较
实现代码：
import xlrd import xlwt import time origin_dict = {} # 初始化，用于保存源文件{key(主键):value(需要核对的列值)} target_dict = {} # 初始化，用于保存目标文件{key(主键):value(需要核对的列值)} # 放在函数外部声明 会报错 还不晓得原因 # success = 0 # fail = 0 def compare_excel(ori_path,tar_path,col_ori,col_tar): \'\'\' ori_path:用于存放源文件 tar_path:用于存放目标文件 col_ori:源文件中需要比较的列 col_tar:目标文件中需要比较的列 \'\'\' success = 0 # 核对无差异的个数 fail = 0 # 核对结果有差异的个数 row_res = 0 #要写入的文件的行 # 分别打开源文件与目标文件 wb_ori = xlrd.open_workbook(ori_path) wb_tar = xlrd.open_workbook(tar_path) # 新建一个excel，用于存放核对结果 wb_res = xlwt.Workbook() # 分别获取源文件与目标文件的sheet sheet_ori = wb_ori.sheet_by_index(0) sheet_tar = wb_tar.sheet_by_index(0) # 新建一名称为result的sheet页，用于存放核对具体结果 sheet_res = wb_res.add_sheet(\'result\') # 获取源文件中由主键、需核对列组成的键值对，放入字典中 for row_ori in range(1,sheet_ori.nrows): cell_ori_key = sheet_ori.cell_value(row_ori,0) #因我的源文件的主键位于第0列，故该列未参数化，大家可以视自己实际情况进行优化 cell_ori_value = sheet_ori.cell_value(row_ori,col_ori) origin_dict[cell_ori_key] = cell_ori_value # print(\'源文件获取成功\') # print(\'源文件如下：%s\' % origin_dict) # 获取目标文件中由主键、待核对列组成的键值对，放入字典中 for row_tar in range(1,sheet_tar.nrows): cell_tar_key = sheet_tar.cell_value(row_tar,0) cell_tar_value = sheet_tar.cell_value(row_tar,col_tar) target_dict[cell_tar_key] = cell_tar_value # print(\'目标文件获取成功\') # print(\'目标文件如下：%s\' % target_dict) # 核对逻辑 try: for i in origin_dict.keys(): # 获取源文件字典的键 if target_dict.get(i) == origin_dict.get(i): # 对比两个字典中相同键的值 success += 1 # 值相等，则无差异数+1 sheet_res.write(row_res+1,0,i) # 将键写入结果文件的第0列 sheet_res.write(row_res+1,1,\'你俩长一样\') #将核对无差异结果写入结果文件的第1列 row_res += 1 # 结果文件行数+1 print(\'金融产品 %s 核对无差异\'% i) else: fail +=1 # 值不相等，则有差异数+1 sheet_res.write(row_res+1,0,i) sheet_res.write(row_res+1,1,\'核对有差异：源文件的值为：%s，目标文件的值为:%s\' % (origin_dict.get(i),target_dict.get(i))) # #将核对有差异结果写入结果文件的第1列 row_res += 1 # 结果文件行数+1 print(\'金融产品 %s 核对有差异：源文件的值为：%s，目标文件的值为:%s\' % (i,origin_dict.get(i),target_dict.get(i))) wb_res.save(\'result.xlsx\') # 保存结果文件 print(time.strftime(\'%Y-%m-%d %H-%M-%S\',time.localtime())+\'核对完成，共核对 %d 条，其中无差异 %d 条， 有差异 %d条\' % (len(origin_dict),success,fail)) except Exception as error: print(str(error)) compare_excel(\'C111111.xlsx\',\'O222222.xlsx\',3,2) # 核对源文件第4列，目标文件第3列
后续：
代码还有很多优化的空间：
比如说源文件中有的键目标文件中没有，如何提示？
比如说能否一次比较多个列的值
比如扩展成双主键/多主键，该如何比对？
如果你有方法或思路，可以跟我这个小白一起交流
*************************************************************************************************************************************************************************************************
上面说的优化空间，今天解决了多主键的问题
多主键问题解决的关键
是把多主键拼接成一个字符串，然后再作为字典的键
进而比较其值
优化的点还包括：
将核对结果追加写入源文件中
而非新建一个Excel
具体代码如下：
import xlrd import xlwt import xlutils import time from datetime import datetime from xlrd import xldate_as_tuple from xlutils import copy dict_ori = {} # 初始化，用于保存源文件{key(主键):value(需要核对的列值)} dict_tar = {} # 初始化，用于保存目标文件{key(主键):value(需要核对的列值)} def Excel_Compare(ori_path,tar_path,sheet_index_ori,col_ori,col_tar): \'\'\' ori_path:源文件地址 tar_path:目标文件地址 sheet_index_ori:源文件中待核对的sheet的索引 col_ori:源文件中待核对的列 col_tar:目标文件中待核对的列 \'\'\' success = 0 fail = 0 space = 0 # 空行个数 row_res = 0 # 分别打开源文件与目标文件 wb_ori = xlrd.open_workbook(ori_path,\'w+\') wb_tar = xlrd.open_workbook(tar_path) # 新建一个excel，用于存放核对结果 # wb_res = xlwt.Workbook() wb_res = copy.copy(wb_ori) # 在源文件中追加写入 # 分别获取源文件与目标文件的sheet sheet_ori = wb_ori.sheet_by_index(sheet_index_ori) sheet_tar = wb_tar.sheet_by_index(0) # 新建一名称为result的sheet页，用于存放核对具体结果 # sheet_res = wb_res.add_sheet(\'result\') sheet_res = wb_res.get_sheet(sheet_index_ori) # 在原sheet中追加写入 # 获取源文件中由主键、需核对列组成的键值对，放入字典中 for row_ori in range(1,sheet_ori.nrows): product_id_ori = sheet_ori.cell_value(row_ori,1) # print(product_id_ori) product_name_ori = sheet_ori.cell_value(row_ori,4).split(\'-\')[1] # 源文件中账套名称为：XX-xx形式，因核对时只需要后面的xx，故需要做一下处理 # product_name_ori_ctype = sheet_ori.cell(row_ori,4).ctype # print(product_name_ori) # print(product_name_ori_ctype) # 以下3行代码将从Excel读出的日期数据进行转化并格式化 date_ori_1 = sheet_ori.cell_value(row_ori,11) date_ori_2 = datetime(*xldate_as_tuple(date_ori_1,0)) date_ori = date_ori_2.strftime(\'%Y-%m-%d\') # print(date_ori) key_ori_list = [product_id_ori,product_name_ori,date_ori] key_ori = \'--\'.join(key_ori_list) # 关键点，将多主键拼接成字符串 # print(key_ori) income_ori_1 = sheet_ori.cell_value(row_ori,col_ori) income_ori = round(float(income_ori_1),2) # 读出来的数据为str类型，需转化为float类型，方便进行处理，注意源文件中不能有空行 # dict_ori = {key_ori:income_ori} # 该方式最终仅保存一次，不是想要的结果 dict_ori[key_ori] = income_ori # 将提取出的关键信息追加保存为字典格式 # print("源文件数据获取成功") # print(dict_ori) # 获取源文件中由主键、需核对列组成的键值对，放入字典中 for row_tar in range(1,sheet_tar.nrows): product_id_tar = sheet_tar.cell_value(row_tar,1) product_name_tar = sheet_tar.cell_value(row_tar,5) date_tar_1 = sheet_tar.cell_value(row_tar,15) key_tar_list = [product_id_tar,product_name_tar,date_tar_1] key_tar = \'--\'.join(key_tar_list) income_tar_1 = sheet_tar.cell_value(row_tar,col_tar) income_tar = round(float(income_tar_1),2) # income_tar_ctype = sheet_tar.cell(row_tar,19).ctype # print(income_tar_ctype) # dict_tar = {key_tar:income_tar} dict_tar[key_tar] = income_tar # print("目标文件数据获取成功") # print(dict_tar) # 核对逻辑 try: for i in dict_ori.keys(): # print(type(dict_tar.get(i))) # income_ori_float = float(dict_ori.get(i)) # print(i) if dict_tar.get(i) == dict_ori.get(i): # 无差异的情况 success += 1 product_id_res = i.split(\'--\')[0] product_name_res = i.split(\'--\')[1] date_res = i.split(\'--\')[2] sheet_res.write(row_res+1,20,product_id_res) sheet_res.write(row_res+1,21,product_name_res) sheet_res.write(row_res+1,22,date_res) sheet_res.write(row_res+1,23,\'核对无误\') row_res += 1 print(\'金融产品:%s，账套:%s，日期：%s的收益数据核对无差异\' % (product_id_res,product_name_res,date_res)) elif dict_ori.get(i) == 0.00 and dict_tar.get(i) == None: #有空值的情况 space += 1 product_id_res = i.split(\'--\')[0] product_name_res = i.split(\'--\')[1] date_res = i.split(\'--\')[2] sheet_res.write(row_res+1,20,product_id_res) sheet_res.write(row_res+1,21,product_name_res) sheet_res.write(row_res+1,22,date_res) sheet_res.write(row_res+1,23,\'空值\') row_res += 1 print(\'金融产品:%s，账套:%s，日期：%s的数据为空\' % (product_id_res,product_name_res,date_res)) else: # 核对有差异的情况 fail += 1 product_id_res = i.split(\'--\')[0] product_name_res = i.split(\'--\')[1] date_res = i.split(\'--\')[2] sheet_res.write(row_res+1,20,product_id_res) sheet_res.write(row_res+1,21,product_name_res) sheet_res.write(row_res+1,22,date_res) sheet_res.write(row_res+1,23,\'数值有差异，源文件收益为：%s,目标文件的收益为:%s\'%(dict_ori.get(i),dict_tar.get(i))) row_res += 1 print(\'金融产品:%s，账套:%s，日期：%s 的收益数据核对有差异，源文件的收益为%s,目标文件的收益为%s\'%(product_id_res,product_name_res,date_res,dict_ori.get(i),dict_tar.get(i))) except Exception as error: print(str(error)) wb_res.save(ori_path) # 保存源文件 print(time.strftime(\'%Y-%m-%d %H:%M:%S\',time.localtime())+\'核对完成，共核对%d条，其中，无差异%d条，有差异%d条\'%(success+fail,success,fail)) Excel_Compare(\'CashSequence111.xlsx\',\'CashSequence222.xlsx\',3,16,19)
