|
|
不是在Excel中运行。
帖子的开头说明了。
https://club.excelhome.net/threa ... tml?_dsign=1854dee5
Excel表格是不规范的，格式不统一的表格数据，对这些数据进行抽取，整合非常困难。
例如，在我们的审计项目中，需要合并，抽取，整合上万个表头和内容都不规范的非结构化Excel报价单文件。
这些Excel文档存在的困难点包括：
1.布局不规范：每个Excel文件可能包含数十个Sheet（最多可能40-50个sheet），每个Sheet可能包含不固定位置，不固定表头的不固定表格
（同一个表头字段可能有多种写法，例如产品名的表头可能有：产品名称，产品名，ProductName，名称，商品名，MeteralName等）。
2.表头不统一：合并单元格表头、多栏、多行表头、表头顺序不一致、表头写法描述不一致
3.内容不规范：同一个公司名、项目名、产品名、产品规格或属性有多种写法和描述方式
基于手工复制粘贴整理这些数据，几乎无法完成任务。最终我们基于 tablemerge.com 非结构化文档结构化抽取模型，使用SQL语言，在数万个sheet上运行SQL抽取：
自动识别复杂表头和行列：
通过定制的SQL解析引擎和正则表达式解析引擎，在SQL中嵌入正则表达式实现抽取
自动识别合并单元格、多栏、多行表头
自动分析文档布局和版面，自动将文档分块和表格抽取
一个SQL在上万个不规范的非结构化Excel文档上运行
导出成结构化数据
下面是一个SQL语法和例子：在SQL中模糊抽取和匹配需要的列名：稍微看过SQL的同学都能看懂。
INSERT into tb_results --抽取结果保存到数据库表
SELECT name,--抽取字段表头，最大1000个字段name as fieldname,--传统的SQL字段，匹配Excel表头
`regular_expression` as fieldname,--用正则匹配多个可能的表头值，例如(产品名称|产品名|商品名|ProductName)
`regular_expression`.match(text) as fieldname,--基于文本匹配表头（默认不写match部分就是匹配文本）
`regular_expression`.match(text).output(color) as fieldname,--基于字体颜色去匹配表头
`regular_expression`.match(text).offset(1,0).output(color) as fieldname,--提取某个匹配单元格的右边单元格的值
FROM excels;--选择需要抽取的1-1000个sheet，同时运行数据抽取
复制代码
（注意：这个SQL是只能在tablemerge.com客户端才能支持的语法。在传统数据库中是不能运行的）
|
|
楼主: jjmysjg
沪公网安备 31011702000001号 沪ICP备11019229号-2
楼主
发表于 2023-4-3 09:26
