京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:潮汐
来源:Python 技术
学习 Python 这么久了,今天我们来聊聊如何利用 Python 提升办公效率,在工作中提升工作效率的同时也让提升自己的专项技能,让自己的成神之路越来越近!废话不多说啦,请上才艺!
在平时的工作中,有时候需要统计某些文件的字符数,既然都学会了 Python 技能,咱们就用技术来解决工作中所遇的问题,安排上:
#coding:utf-8 import re
#读取目标文本文件
def get_str(path):
f = open(path)
data = f.read()
f.close() return data
# 输入目标路径 path=input("请输入文件路径:")
word=re.findall('([u4e00-u9fa5])',get_str(path))
# 计算出特殊字符外的字数 print("中文字符,除特殊字符外共:",len(word))
文本:
运行效果如下:
在平时的工作中,有时候可能也需要根据一个文本的内容提取手机号或者邮箱,又或者是其他内容,这时候咱们学习 Python 的技能就派上了用场,运用的也都是 Python 基础知识,思路是:读取文件-->提取手机号-->写入文本-->写入Excel
import re #读取目标文本文件 def get_str(path): f = open(path,encoding="utf-8")
data = f.read()
f.close() return data # 正则获取文本号码 def get_phone_number(str): res = re.findall(r'(13d{9}|14[5|7]d{8}|15d{9}|166{d{8}|17[3|6|7]{d{8}|18d{9})', str) return res #保存得到号码 def save_res(res,save_path): save_file = open(save_path, 'w') for phone in res:
save_file.write(phone)
save_file.write('n')
save_file.write('n号码共计:'+str(len(res)))
save_file.close()
print('号码读取OK,号码共计:'+str(len(res))) if __name__ == '__main__':
path=input("请输入文件路径:")
save_path=input("请输入文件保存路径:") #read_str=get_str(path) res=get_phone_number(get_str(path))
save_res(res,save_path)
运行效果如下:
写出文件内容如下:
#coding:utf-8 import xlwt
#读取目标文本文件
def get_str(path):
f = open(path, encoding="utf-8")
data = f.read()
f.close() return data
def save_excel(save_path,sheetname,column_name_list,read_list):
workbook = xlwt.Workbook()
sheet1 = workbook.add_sheet(sheetname=sheetname) for i in range(0,len(column_name_list)):
sheet1.write(0,i,column_name_list[i])
i = 1 for v in read_list:
kval = v.split(':') for j in range(0, len(kval)):
sheet1.write(i + 1, j, kval[j]) print(kval[j])
i = i + 1 #保存为Excel文件
def save_excel(save_path,sheetname,column_name_list,read_list):
workbook = xlwt.Workbook()
sheet1 = workbook.add_sheet(sheetname=sheetname) for i in range(0,len(column_name_list)):
sheet1.write(0,i,column_name_list[i])
i=1 for v in read_list:
kval=v.split(':') for j in range(0,len(kval)):
sheet1.write(i+1,j,kval[j])
i=i+1 workbook.save(save_path) print('信息保存 OK,记录条数共计:'+str(len(read_list))) if __name__ == '__main__': path = input("请输入文件路径:")
save_path = input("请输入文件保存路径:")
sheet_name = input("请输入sheetname:")
column_name = input("请输入列名,并且使用英文逗号隔开:")
column_name_list = column_name.split(',')
read_str = get_str(path)
read_list = read_str.split('n')
save_excel(save_path, sheet_name, column_name_list, read_list)
运行效果如下:
写出文件内容如下:
如果学习了某一项技能,在日常的工作或者生活中,我们应该好好利用已学习的技能为我们排忧解难,让所学知识运用到工作或者生活中,这样才能提高学习和工作效率,每个人都有属于自己学习或工作方式,所谓学以致用,希望今天的文章对大家有所帮助!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06