AI * Python *Excel 多路径多文件数据提取

import osimport timefrom pathlib import Pathfrom openpyxl import load_workbook, Workbookfrom openpyxl.styles import Font, PatternFill, Alignment# --- 配置区 ---SOURCE_FOLDER = "资料"  # 你的目标文件夹名OUTPUT_FILE = "ID_汇总.xlsx"TARGET_COL_INDEX = 0  # A列索引是0（openpyxl read_only模式或者pandas习惯），这里用openpyxl原生是1HEADER_NAME = "System_ID"def get_all_excel_files(root_dir):    """递归获取所有子文件夹下的 .xlsx 文件"""    p = Path(root_dir)    # rglob('*') 是递归查找所有文件    return [f for f in p.rglob("*.xlsx") if not f.name.startswith("~$")] # 排除临时文件def extract_ids_from_file(file_path):    """从单个 Excel 提取 A 列数据（跳过表头）"""    ids = []    try:        # data_only=True 读取计算后的值，read_only=True 提升读取速度（大文件必开）        wb = load_workbook(file_path, read_only=True, data_only=True)        ws = wb.active        # 遍历 A 列（min_col=1, max_col=1），从第2行开始        for row in ws.iter_rows(min_row=2, min_col=1, max_col=1, values_only=True):            val = row[0]            if val is not None:                ids.append(val)        wb.close()    except Exception as e:        print(f"⚠️ 读取失败：{file_path.name} -> {e}")    return idsdef save_with_style(data_list, output_path):    """保存并美化 Excel"""    wb = Workbook()    ws = wb.active    # 1. 写入表头    ws["A1"] = HEADER_NAME    # 2. 批量写入数据    for idx, val in enumerate(data_list, start=2):        ws.cell(row=idx, column=1, value=val)    # 3. 设置格式（美化环节）    # 表头：淡绿色背景 + 加粗    header_fill = PatternFill(fill_type='solid', fgColor="B3CFA1")    header_font = Font(name='Arial', size=10, bold=True)    ws["A1"].fill = header_fill    ws["A1"].font = header_font    # 正文：Arial 9号 + 左对齐 + 垂直居中    body_font = Font(name='Arial', size=9)    align = Alignment(horizontal='left', vertical='center')    ws.column_dimensions['A'].width = 20 # 设置列宽    # 遍历设置样式（数据量大时，建议只设置列样式或最后统一设，逐行设会慢）    # 这里演示逐行设置    for row in ws.iter_rows(min_row=2, max_row=len(data_list)+1, min_col=1, max_col=1):        cell = row[0]        cell.font = body_font        cell.alignment = align    wb.save(output_path)    print(f"✅ 结果已保存：{output_path}")def main():    s_t = time.time()    # 1. 确定搜索路径    base_dir = Path.cwd() / SOURCE_FOLDER    if not base_dir.exists():        print(f"❌ 找不到文件夹：{base_dir}")        return    # 2. 递归找文件    print(f"🔍 正在递归搜索 '{SOURCE_FOLDER}' 下的所有 Excel...")    files = get_all_excel_files(base_dir)    print(f"📂 找到 {len(files)} 个文件，开始提取...")    # 3. 循环提取    total_ids = []    for i, f in enumerate(files, 1):        file_ids = extract_ids_from_file(f)        total_ids.extend(file_ids)        if i % 50 == 0: # 每50个打印一次进度            print(f"   已处理 {i}/{len(files)} 个文件...")    # 4. 保存结果    if total_ids:        save_with_style(total_ids, OUTPUT_FILE)        print(f"\n📊 统计：")        print(f"   - 扫描文件数：{len(files)}")        print(f"   - 提取 ID 总数：{len(total_ids)}")        print(f"   - 耗时：{time.time() - s_t:.2f} 秒")    else:        print("⚠️ 未提取到任何数据。")if __name__ == "__main__":    main()