'''
2025082520250825_2025_学年出入所（园）儿童基本情况登记 表一空 01
1、下载园园通新生名册.xls,把两个新生名册合并在一起
2、部分插班生信息手动添加
deepseek，阿夏
20261009
'''
import pandas as pd
import os
import re
date='20261009'
def merge_and_format_excel():
# 定义文件路径
path = r'D:\Python最终内容\20260902 2026园园通幼儿信息提取配学号拆班发班主任'
# 设置路径
folder_path = path + r"\00 园园通下载"
output_path = path + fr'\02 {date}园园通全部班级班信息合并.xlsx'
# 获取文件夹中的所有Excel文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith(('.xlsx', '.xls'))]
# if len(excel_files) < 2:
# print("234文件夹中Excel文件数量不足2个")
# return
# 读取所有Excel文件
dfs = []
for file in excel_files[:3]: # 只处理前两个文件
file_path = os.path.join(folder_path, file)
df = pd.read_excel(file_path)
dfs.append(df)
print(f"已读取文件: {file}")
# 合并数据
merged_df = pd.concat(dfs, ignore_index=True)
# 将列名"ID"改为"市登记编号"（如果存在）
if 'ID' in merged_df.columns:
merged_df.rename(columns={'ID': '市登记编号'}, inplace=True)
print("已将列名'ID'改为'市登记编号'")
else:
print("未找到名为'ID'的列，跳过重命名")
# 格式化班级列（统一改为"托1班"、"小1班"、"中1班"、"大1班"格式）
def format_class_name(class_name):
if pd.isna(class_name):
return class_name
class_str = str(class_name)
# 定义班级类型映射
class_type_map = {
'托': '托', '托大': '托',
'小': '小',
'中': '中',
'大': '大'
}
# 中文数字到阿拉伯数字的映射
chinese_to_arabic = {
'一': '1', '二': '2', '三': '3', '四': '4', '五': '5',
'六': '6', '七': '7', '八': '8', '九': '9', '十': '10',
'十一': '11', '十二': '12'
}
# 先提取班级类型
class_type = None
class_num = None
# 匹配各种格式
# 1. 匹配"托大X班"、"小X班"、"中X班"、"大X班"格式
match = re.search(r'(托大|小|中|大)([一二三四五六七八九十\d]+)班', class_str)
if match:
class_type = match.group(1)
class_num = match.group(2)
else:
# 2. 匹配"大一班"、"托一班"格式
match = re.search(r'(托|小|中|大)([一二三四五六七八九十])班', class_str)
if match:
class_type = match.group(1)
class_num = match.group(2)
else:
# 3. 匹配"大班一班"格式
match = re.search(r'(托大|小|中|大)班([一二三四五六七八九十]+)班', class_str)
if match:
class_type = match.group(1)
class_num = match.group(2)
else:
# 4. 匹配"一班大班"格式
match = re.search(r'([一二三四五六七八九十]+)班(托大|小|中|大)班', class_str)
if match:
class_num = match.group(1)
class_type = match.group(2)
else:
# 5. 匹配只有班级类型没有班号的情况
match = re.search(r'(托大|小|中|大)班', class_str)
if match:
class_type = match.group(1)
class_num = '1' # 默认班号为1
else:
# 6. 匹配只有班级类型没有"班"字的情况
match = re.search(r'(托大|小|中|大)', class_str)
if match:
class_type = match.group(1)
class_num = '1' # 默认班号为1
if class_type:
# 标准化班级类型
if class_type == '托大':
std_type = '托'
else:
std_type = class_type
# 转换班号
if class_num:
if class_num in chinese_to_arabic:
num = chinese_to_arabic[class_num]
else:
num = class_num
return f"{std_type}{num}班"
# 如果没有匹配到任何模式，尝试直接提取数字
# 检查是否已经是"托1班"这样的格式
match = re.match(r'([托小中大])(\d+)班', class_str)
if match:
return class_str # 已经是正确格式
# 最后尝试：如果字符串中包含"托"、"小"、"中"、"大"，且包含数字
for t in ['托', '小', '中', '大']:
if t in class_str:
# 提取所有数字
nums = re.findall(r'\d+', class_str)
if nums:
return f"{t}{nums[0]}班"
# 如果还是无法处理，返回原值
print(f"警告：无法识别的班级格式 - {class_str}")
return class_str
# 查找包含班级信息的列
class_columns = [col for col in merged_df.columns if any(keyword in col for keyword in ['班', 'class', '班级'])]
if class_columns:
for class_col in class_columns:
print(f"检测到班级列: {class_col}")
merged_df[class_col] = merged_df[class_col].apply(format_class_name)
else:
print("未检测到班级列，跳过格式转换")
# 保存合并后的文件
merged_df.to_excel(output_path, index=False)
print(f"文件已保存至: {output_path}")
print(f"合并完成，共{len(merged_df)}条记录")
# 显示一些样本数据以供验证
print("\n前10条数据的班级信息：")
if class_columns:
for class_col in class_columns:
print(f"\n{class_col}列的前10个值：")
sample_values = merged_df[class_col].head(10).tolist()
for i, val in enumerate(sample_values, 1):
print(f" {i}. {val}")
else:
print("未找到班级列")
# 显示所有列名
print("\n合并后的所有列名：")
print(merged_df.columns.tolist())
# 执行函数
if __name__ == "__main__":
merge_and_format_excel()
'''
20250825_2025_学年出入所（园）儿童基本情况登记 表一空 01
1、用合并xls与班级信息表的学号匹配，按学号排队
2、按班级拆分成一个个班级，最适合列宽一行（非自动换行）
3、按指定的列名顺序重新排列列的位置
20261009
'''
import pandas as pd
import os
from openpyxl.utils import get_column_letter
from openpyxl.styles import Alignment
from openpyxl.styles import numbers
# 设置路径
path = r'D:\Python最终内容\20260902 2026园园通幼儿信息提取配学号拆班发班主任'
date='20261009'
# 定义目标列名顺序
target_columns = [
'学号', '班级', '姓名', '市登记编号', '性别','出生地', '证件类型', '证件号码',
'姓名拼音', '曾用名/英文名', '出生日期', '年级', '班级名称', '入园日期',
'就读方式', '国籍/地区', '健康状况', '血型', '户口性质', '非农业户口类型',
'港澳台侨外', '民族', '出生地-省份', '籍贯-省份', '是否人户一致',
'户口所在地-省份', '户口所在地-城市', '户口所在地-区县', '户口所在地-街道',
'户口所在地-居委', '户口所在地-详细地址', '现居地-省份', '现居地-城市',
'现居地-区县', '现居地-街道', '现居地-居委', '现居地邮政编码', '现居地-详细地址',
'监护人姓名', '监护人证件类型', '监护人证件号', '监护人手机', '与幼儿关系',
'是否监护人', '是否是第一监护人', '是否是军烈子女', '是否是优抚子女',
'是否是进城务工人员随迁子女', '是否是部队子女', '是否是孤儿', '是否是残疾幼儿',
'残疾幼儿类别', '更新时间', '机构所在地区', '机构ID', '机构名称', '办园点ID',
'办园点编码', '办园点名称', '班级昵称', '出生地-区县', '机构编码', '籍贯-区县',
'籍贯-城市', '幼儿ID', '创建时间', '班级ID', '版本号', '幼儿特长',
'户口所在地-居委-其他', '现居地-街道-其他', '户口所在地-街道-其他',
'现居地-居委-其他', '特异体质', '出生地-城市', '原幼儿编号', '班级排序'
]
def calculate_display_width(text):
"""
计算字符串在Excel中的显示宽度
中文字符占2个单位，英文字符和数字占1个单位
"""
if text is None or pd.isna(text):
return 0
text = str(text)
width = 0
for char in text:
# 判断是否为中文字符（包括中文标点）
if '\u4e00' <= char <= '\u9fff' or char in '，。；：""''！？【】（）《》':
width += 2
else:
width += 1
return width
def reorder_columns(df, target_columns):
"""
按照目标列名顺序重新排列DataFrame的列
"""
# 获取DataFrame中实际存在的列
existing_columns = []
missing_columns = []
for col in target_columns:
if col in df.columns:
existing_columns.append(col)
else:
missing_columns.append(col)
# 获取目标列中不存在的其他列（放在最后）
other_columns = [col for col in df.columns if col not in existing_columns]
if missing_columns:
print(f"警告：以下目标列在数据中不存在，将被忽略：{missing_columns}")
if other_columns:
print(f"注意：以下额外列将放在最后：{other_columns}")
# 重新排列列顺序
return df[existing_columns + other_columns]
# 1. 读取园园通信息表，将所有列作为字符串读取，保持原始格式
df_main = pd.read_excel(path + fr'\02 {date}园园通全部班级班信息合并.xlsx', dtype=str)
# 2. 读取班级信息表的所有工作表，将所有列作为字符串读取
xls = pd.ExcelFile(path + fr'\01 {date}班级信息表.xlsx')
sheet_names = xls.sheet_names
# 3. 合并所有班级信息表
df_list = []
for sheet in sheet_names:
df_sheet = pd.read_excel(xls, sheet_name=sheet, dtype=str) # 所有列作为字符串读取
df_sheet['班级'] = sheet # 添加班级列
df_list.append(df_sheet)
df_info = pd.concat(df_list, ignore_index=True)
# 4. 匹配学号
df_merged = pd.merge(df_main,
df_info[['班级', '姓名', '学号']],
left_on=['班级名称', '姓名'],
right_on=['班级', '姓名'],
how='left')
# 5. 移动学号列到最前面（这一步现在会被后面的重新排序列覆盖，但保留以确保学号存在）
cols = df_merged.columns.tolist()
cols = ['学号'] + [col for col in cols if col != '学号']
df_merged = df_merged[cols]
# 6. 对完整匹配结果进行排序并保存
# 学号列转换为数值类型用于排序，但保存时保持原始文本格式
df_merged['学号_排序'] = pd.to_numeric(df_merged['学号'], errors='coerce')
# 先按班级排序（托1班、托2班、小1班、小2班...）
# 创建班级排序的映射关系
class_order = {
'托1班': 1, '托2班': 2, '托3班': 3, '托4班': 4,
'小1班': 11, '小2班': 12, '小3班': 13, '小4班': 14, '小5班': 15,
'中1班': 21, '中2班': 22, '中3班': 23, '中4班': 24,'中5班': 25,'中6班': 26,
'大1班': 31, '大2班': 32, '大3班': 33, '大4班': 34,'大5班': 35,
}
# 添加临时排序列
df_merged['班级排序'] = df_merged['班级名称'].map(class_order)
# 先按班级排序，再按学号排序
df_merged_sorted = df_merged.sort_values(by=['班级排序', '学号_排序'])
# 删除临时排序列（班级排序保留，因为它在目标列中）
df_merged_sorted = df_merged_sorted.drop(['学号_排序'], axis=1)
# 按照目标列顺序重新排列
df_merged_sorted = reorder_columns(df_merged_sorted, target_columns)
# 保存排序后的完整表格，并调整列宽
with pd.ExcelWriter(path + r'\03 匹配学号.xlsx', engine='openpyxl') as writer:
df_merged_sorted.to_excel(writer, sheet_name='匹配结果', index=False)
# 获取工作表并调整列宽
worksheet = writer.sheets['匹配结果']
# 计算每列的最大显示宽度
for column in worksheet.columns:
max_width = 0
column_letter = get_column_letter(column[0].column)
# 获取列标题和所有单元格的最大显示宽度
for cell in column:
try:
# 计算单元格内容的显示宽度
cell_width = calculate_display_width(cell.value)
if cell_width > max_width:
max_width = cell_width
except:
pass
# 设置列宽（添加一点额外空间）
# Excel列宽单位是标准字符宽度，中文字符需要额外空间
adjusted_width = max_width + 2 # 添加2个字符的边距
# 限制最小宽度为8，最大宽度为100
worksheet.column_dimensions[column_letter].width = min(max(adjusted_width, 8), 100)
# 将所有单元格设置为文本格式
for row in worksheet.iter_rows():
for cell in row:
cell.number_format = '@' # 设置文本格式
# 7. 按班级拆分并保存为单独工作簿
# 创建输出文件夹
output_folder = path + fr'\04 拆分班级\{date}'
if not os.path.exists(output_folder):
os.makedirs(output_folder)
# 按班级拆分
for class_name in df_merged['班级名称'].unique():
# 筛选当前班级的数据
class_df = df_merged[df_merged['班级名称'] == class_name]
# 创建临时排序列用于排序
class_df = class_df.copy() # 避免警告
class_df['学号_排序'] = pd.to_numeric(class_df['学号'], errors='coerce')
# 对每个班级内的数据按学号排序
class_df_sorted = class_df.sort_values(by='学号_排序')
# 删除临时排序列
class_df_sorted = class_df_sorted.drop('学号_排序', axis=1)
# 按照目标列顺序重新排列
class_df_sorted = reorder_columns(class_df_sorted, target_columns)
# 创建文件名（去除可能存在的非法字符）
safe_class_name = "".join([c for c in class_name if c not in r'\/:*?"<>|'])
output_path = os.path.join(output_folder, f'05_{date}_园园通幼儿全部信息_{safe_class_name}.xlsx')
# 保存为单独的工作簿，并调整列宽
with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
sheet_name = f'{class_name}园园通幼儿数据'
# 工作表名称不能超过31个字符
if len(sheet_name) > 31:
sheet_name = sheet_name[:31]
class_df_sorted.to_excel(writer, sheet_name=sheet_name, index=False)
# 获取工作表并调整列宽
worksheet = writer.sheets[sheet_name]
# 计算每列的最大显示宽度
for column in worksheet.columns:
max_width = 0
column_letter = get_column_letter(column[0].column)
# 获取列标题和所有单元格的最大显示宽度
for cell in column:
try:
# 计算单元格内容的显示宽度
cell_width = calculate_display_width(cell.value)
if cell_width > max_width:
max_width = cell_width
except:
pass
# 设置列宽（根据最长字符的实际显示宽度）
adjusted_width = max_width + 2 # 添加2个字符的边距
# 限制最小宽度为8，最大宽度为100
worksheet.column_dimensions[column_letter].width = min(max(adjusted_width, 8), 100)
# 设置所有单元格为文本格式
for row in worksheet.iter_rows():
for cell in row:
cell.number_format = '@' # 设置所有单元格为文本格式
print("处理完成！")
print(f"1. 已生成完整匹配表: 02匹配学号（分园新生）.xlsx（已按班级和学号排序，按指定列名顺序排列，所有单元格保持文本格式，根据实际显示宽度计算最适合列宽）")
print(f"2. 已按班级拆分保存到 {output_folder} 文件夹，每个班级内按学号排序，按指定列名顺序排列，所有单元格保持文本格式，根据实际显示宽度计算最适合列宽")
https://mp.csdn.net/mp_blog/creation/editor/164063926
