零基础学编程039：生成群文章目录(2)

每个月的月底，“分享与成长群”要汇总所有成员的原创文章，这次我改用了水滴微信平台把数据采集到一个电子表格文件中。在《零基础学编程019：生成群文章目录》这一节里，我已经可以用读csv文本文件的办法，配合markdown语法自动生成所有文章的目录。

但这次情况发生了几点变化：

• 直接读取xlsx的电子表格会更方便
• 有些人想用笔名来署名，不显示真实姓名
• 有些文章暂时不方便对外公开，不显示超链接
• 有些人会多次提交，以最后一次的文章为准。比如下图中的第120、127行是同一人的，只保留第127行

这次程序想直接读取电子表格，省掉转换csv这一步，查了一下相关资料，python中读xls或xlsx的模块库非常多，主要可选的是xlrd和pyexcel等，最后我选定了pandas，因为pandas也是依赖xlrd来读取电子表格，并且将来还可以做更为强大的数据分析，学pandas绝对用得上。

读电子表格很方便，用read_excel()函数。

import pandas as pd

df = pd.read_excel("d:/分享与成长群/201703.xlsx")

xlsx原始文件中文章是按提交日期反序排列的，我想让先提交的文章排在前面，因此需要将数据集按“序号”从小到大排序。

df = df.sort("序号")

删除重复数据，我使用了谷歌，找到了drop_duplicates()函数，一行代码搞定。意思是：如果“姓名”这一列相同，表示是重复记录，keep='last'表示只保留最后出现一条记录。

df = df.drop_duplicates('姓名', keep='last')

这个pandas采用了与R语言类似的DataFrame设计，功能非常强大，可以根据设定的条件快速地选出所需的行和列。因为我已经学过R语言，看了一下pandas的快速入门，就找到了这条语句：

df = df.loc[:, ["姓名", "文章标题", "文章超链接", "是否公开文章的链接？", "笔名"]]

原表格中还包括openid、填写时间、IP地址、备注等列，对于我的文章汇总没有用处，而真正有用的就是"姓名"、"文章标题"、"文章超链接"、"是否公开文章的链接？"、"笔名"这五列。

再下来就是逐行循环处理了，pandas应该有更理想的处理办法，但我现在还没学到。

str = ""
for line in df.values :
    name = line[0] 
    title = line[1]  
    url = line[2]  
    public = line[3]
    penName = line[4]

    if(pd.notnull(penName)) :
        name = penName

    str += "1. " + name + "： "
    if(public == '不公开') :
        str += title + "\n";
    else :
        str += "[" + title + "](" + url + ")\n" 

生成的文本是Markdown格式（点这里了解Markdown），还可以更懒一些，把生成的文本直接复制到剪贴板中，从stackoverflow上抄来代码：

from tkinter import Tk
r = Tk()
r.withdraw()
r.clipboard_clear()
r.clipboard_append(str)
r.destroy()

现在只需要到简书上粘贴，并发布就OK了。

小结：

• 软件需求永远在变，程序也要不断迭代
• pandas的read_excel()可直接读取xls和xlsx的电子表格
• DataFrame很强大，可以选行或选列，用.loc[ ]
• sort()排序
• drop_duplicates()去掉重复的行

--- END ---