shell中txt转EXCEL

工作中，常常需要将HIVE数据库或者HDFS中文件通过EXCEL格式，通过邮箱发给业务人员。但是，SHELL又不能直接将txt文件转换为EXCEL可读的格式，因此编写了以下两类python脚本：

一，将txt文档转换为xls格式（EXCEL2010提示：兼容模式）：

注意，该代码需要下载xlwt包。（由于写的时间太长了，大家就自行下载安装包吧）

import sys

import os.path

import os

import xlwt

print “txt2xls.py test.txt test.xls”

inputpath =str(sys.argv[1])
outputpath=str(sys.argv[2])

f=open(inputpath)
wb=xlwt.Workbook()
ws1 = wb.add_sheet("Sheet1")
i=0
for line in f.readlines():
j=0
for item in line.split('\t'):
try:
item=item.strip().decode('utf-8')
except UnicodeDecodeError:
print i,j,item
ws1.write(i,j,"NULL")
else:
ws1.write(i,j,item)
j=j+1
i=i+1

f.close()
wb.save(outputpath)

二， 在一些场景中，必须保存为xlsx格式，即EXCEL2007以上的格式，

注意：该码依赖openpyxl模块

* 相关网站：http://openpyxl.readthedocs.org/en/latest/index.html

* openpyxl 地址：https://bitbucket.org/openpyxl/openpyxl/get/2.2.1.tar.bz2

* jdcal 下载地址： https://pypi.python.org/pypi/jdcal/

其中，openpyxl 依赖于jdcal ，故在安装过程中应优先安装jdcal--解压缩到某目录，
cd到该目录，运行"python setup.py install"。 然后安装openpyxl,方法相同。

另外，Python的标准库中，文件对象提供了三个“读”方法： read()、.readline()
和.readlines()。每种方法可以接受一个变量以限制每次读取的数据量，但它们通常不
使用变量。 .read() 每次读取整个文件，它通常用于将文件内容放到一个字符串变量
却是不必要的，并且如果文件大于可用内存，则不可能实现这种处理。

readline() 和 readlines()之间的差异是后者一次读取整个文件，像 .read()一样。
.readlines()自动将文件内容分析成一个行的列表，该列表可以由 Python 的 for... in ...
结构进行处理。另一方面,readline()每次只读取一行，通常比 .readlines()慢得多。
仅当没有足够内存可以一次读取整个文件时，才应该使用.readline()。

代码如下：

from openpyxl.workbook import Workbook

from openpyxl.reader.excel import load_workbook

from openpyxl.styles import PatternFill, Border, Side, Alignment, Protection, Font

import re

from openpyxl.writer.excel import ExcelWriter

import xlrd

import sys

import os

print “python txt2xlsx.py test.txt test.xlsx”

#根据输入移除已经存在的目标文件
patch_file_name = sys.argv[1]
patch_goal_name=sys.argv[2]
print patch_file_name
print patch_goal_name
os.remove(patch_goal_name)

#创建目标文件，在再目标文件中创建sheet，名字为goal
wb = Workbook()
ws = wb.active
ws.title="goal"
wb.save(patch_goal_name)

#打开文件
patch_file=open(patch_file_name)        #get data patch text
wb=load_workbook(patch_goal_name)          #open excel to write
sheetnames = wb.get_sheet_names()
ws = wb.get_sheet_by_name("goal")                    #get sheet

#根据打开文件逐行扫描写入
i=1
for line in patch_file.readlines():
j=1
for item in line.split('\t'):
try:
item=item.strip().decode('utf-8')
except UnicodeDecodeError:
print i,j,item
ws.cell(row=i,column=j).value = "NULL"
#ws1.write(i,j,"NULL")
else:
ws.cell(row=i,column=j).value = item
#ws1.write(i,j,item)
j=j+1
i=i+1

#关闭输入数据流，并保存写入文件
patch_file.close()
wb.save(patch_goal_name)