Excel 正则表达式，还是导出到 Python？；Python 中的 "Vlookup"？

Question

我们有一个Excel文件，里面有一个工作表记录了人员信息。

1. 电话号码清理

其中有一个字段是电话号码，格式大概是这样的：

+XX(Y)ZZZZ-ZZZZ

(这里的X、Y和Z都是数字)。

还有一些记录的数字位数比较少，比如：

+XX(Y)ZZZ-ZZZZ

还有一些格式非常混乱的：

+XX(Y)ZZZZ-ZZZZ / ZZZZ

或者：

ZZZZZZZZ

我们需要把这些电话号码都整理成统一的格式：

0YZZZZZZZZ (or OYZZZZZZ with those with less digits).

2. 填写主管信息

每个人都有一个主管，用数字ID表示。我们需要查找这个主管的名字和电子邮件地址，并把这些信息加到记录里。

这个查找首先是在同一个工作表上进行（也就是在自己里面查），如果找不到再去另一个工作簿查找更多的人。

3. 方法是什么呢？

对于第一个问题，我在想能不能在Excel/VBA里用正则表达式来解析这些电话号码。我的Excel技能不是很好，但我想我可以学会...哈哈。对此有什么特别的建议吗？

不过，我是不是应该先把Excel文件导出为CSV（比如用xlrd），然后用Python来修复电话号码呢？

对于第二个方法，我在想可以直接在Excel里用vlookup来拉取数据，先在自己里面查找，如果找不到再去外部工作簿查找，最后如果还是找不到就显示错误信息。最后这部分我不太确定怎么做。

不过，如果我选择导出为CSV然后用Python来处理，做vlookup的高效方法是什么呢？（我应该把数据转换成字典，还是直接遍历？或者有没有更好的、更符合习惯的方法？）

谢谢，
Victor

Answer 1

如果你选择用VBA来解决问题，可以看看Tushar Mehta的文档。如果你选择用Python的话，可以尝试把数据解析成CSV格式，或者直接在内存中处理数据，然后用XLWT写入Excel（这是我更喜欢的方法）。你也可以考虑直接通过COM调用来修改Excel的数据，参考一下这个链接。最后，如果你想在Excel之外进行操作，可以看看Jython和Apache POI。虽然这不是最轻量级的解决方案，但POI是我知道的最完整的库，它不需要在Windows上运行。

正如其他人评论中提到的，这个问题范围很广，具体的答案很难给出。希望这里的内容能帮助你入门……

Answer 2

一般来说，尽量不要使用Excel公式；可以用xlrd这个工具来提取你需要的数据，然后就把它当成普通的数据来用Python处理。比如说，关于xlrd和vlookup的问题，最好的办法是从包含关键字和对应值的两列中，创建一个字典，这样只需要做一次。

用xlrd导出数据到CSV格式，然后再读回来，这样做既浪费时间，又会丢失一些重要信息（比如Excel单元格里的数据类型）。如果你的数据在数据库里，你会把它导出成CSV再读回来吗？