接到一個任務，要獲取藥監局所有的進口藥材，國產藥材名錄。寫好爬蟲，一共有十幾萬條的資料，爬下來一看，簡直不忍直視。各種串列，有的在第一行，有的在第三行，有的第五行，沒有任何規律可言。要想用Excel處理，難度很大啊，所以就寫了python指令碼來處理了。

思路是這樣的：

1.用python讀取整行的資料

2.把一整行的資料連成一個字串

3.找出規律（比如表中每一行都有幾個關鍵字，如藥品本位碼：這幾個字），用re正則匹配找出來。

4.重新寫入Excel就可以了。

下面的程式碼不是處理這個表格的程式碼，因為後來又做了其他的專案，規律不一樣（這次是“[]”），所以改了程式碼了。不過思路是一樣的。可以借鑑一下。

import xlrd
import re

file0=xlrd.open_workbook(r'C:\Users\Desktop\12.xlsx')
table0=file0.sheet_by_name('yaojianjuqicai')
nrows=table0.nrows
nclos=table0.ncols
for i in range(1,nrows):
name=table0.row_values(i)
    print(i)
    str = ''.join('%s'%i for i in name)#連成一個字串
    #print(str)
dd=re.findall(r'^\[(.*?)\]$'
 
,str,re.S)
    #dd=list(dd[0])#如果寫入Excel的時候遇到tuple不可寫入的報錯，就用這個。
print(dd)
    for i in dd:
out='{},'.format(i)
        with open('yjjqicainew.csv','a+')as f:
f.write(out)
    with open('yjjqicainew.csv', 'a+')as f:
f.write('\n')

看看處理之後的效果吧

總結經驗：

其實以上問題在爬蟲的時候，寫好程式碼就可以避免了，我因為怕網站的資料不規範，所以爬下來才修改。

建議在爬的時候，加入一些符號，比如&號等，後面可以用Excel分列，十分方便。