首页 > 代码库 > ccf 目录格式转换

ccf 目录格式转换

任务背景:

在网络上获取的ccf目录的格式是PDF,但是要进行数据分析时,PDF格式的数据是不符合要求的,因此需要将pdf格式转化为excel格式

任务目的:

将pdf格式的CCF目录转化为excel格式,并且备注上等级和所属的领域

包含的数据字段有:全称,出版商,等级,所属领域

解决过程:

1.首先先到网站上下载pdf格式的CCF目录,这个很容易获取(附件中已附上在博客中的文件可以找到)

2.利用网上的在线PDF转换网站此次试验用的是http://app.xunjiepdf.com/pdf2excel(迅捷在线PDF格式转化)

3.下载转好的文件

4.将文件中的全称和出版商两行复制下来(只包含数据),导入到filename文件中(filename为自定义文件名),因为PDF文件中的数据不是规范的excel格式,因此还需要进行数据处理。

5.运行happy.py,输入filename。

6.就能在F:/paper/ccf/filename2.xls中获得结果

7.得到的结果只是全称和出版社,关于她的等级和所属的领域还需要手动输入。用excel可以很快的完成。大部分的数据都是好的,但是有一些数据因为格式过于错乱,需要手动检查纠正。

8.附件中即是获取的结果。

以下是happy.py代码

 1 import xlrd
 2 import xlwt
 3 name = raw_input("please input the name:\n")
 4 work = xlwt.Workbook()
 5 sheet = work.add_sheet(test)
 6 data = http://www.mamicode.com/xlrd.open_workbook("F:paper/ccf/%s.xlsx" % name)
 7 table = data.sheet_by_index(0)
 8 nrows = table.nrows
 9 ncols = table.ncols
10 row = 0
11 col = 0
12 i = 0
13 while i < nrows:
14     if table.cell(i, 1).value =http://www.mamicode.com/= ‘‘ and table.cell(i + 1, 0).value =http://www.mamicode.com/= ‘‘:
15         temp_name = table.cell(i, 0).value +   + table.cell(i+2, 0).value
16         temp_organization = table.cell(i+1, 1).value
17         sheet.write(row, 0, temp_name)
18         sheet.write(row, 1, temp_organization)
19         row += 1
20         i += 3
21     else:
22         temp_name = table.cell(i, 0).value
23         temp_organization = table.cell(i, 1).value
24         sheet.write(row, 0, temp_name)
25         sheet.write(row, 1, temp_organization)
26         row += 1
27         i += 1
28 name = name + "2"
29 work.save("F:paper/ccf/%s.xls" % name)
30 del nrows
31 del ncols

 

ccf 目录格式转换