我目前正在启动一个项目，我需要管理大型工程和施工契约(Contract)的契约(Contract)要求。
不幸的是，所有确定的项目需求都是通过 PDF 交付的(有数千个 Reqs ......)。从那以后，我将这些 PDF 转换为 Excel 中的电子表格。我最终将使用 .CSV 文件将这些文件导入到我们的 RM 工具中。
我的问题是，所有项目要求的 PDF 都是为了便于阅读而编写的——而不是在电子表格形式中使用。每个部分都像编号列表一样编写，这很好，但我不需要将需求分解到它们的级别。
我需要采用文档的“大纲、列表编号格式”，并能够根据其部分和列表编号将子需求(下面示例中的子项)组合(连接)成行。
现在，我正在手动完成所有这些行的合并，但我不知道如何才能足够快地完成任务。
以下是从客户端查看 PDF 的示例:
第 1-1.1 节:一般
A. 承包商应先“这个”，然后“那个”。
一个。如果“那个”成本更高，则不应添加
湾。另一个选项是“这个”
B. 承包商应将“这个”命名为...
C. 承包商应在 2022 年之前完成工作
第 1-2.1 节: Material
A. 承包商应使用以下三种 Material :
一个。水泥只能是灰色的
__一世。灰色着色必须是这种阴影
_ii.灰水泥不得失色
湾。水泥应在现场混合
第 1-2.2 节: Material 供应商
A. 铝必须由“ABC, Inc”提供
B. 钢材必须由“DEF, Inc”提供
C. 水泥必须由“GHI, Inc”提供
表 1-1:供应商联系信息
[这里的 table ]
第 1-3.1 节:景观美化
...
以下是 Excel 文档在其主要状态下的外观。请注意，我们添加了属性来支持每个需求项行，因此这些表中不仅仅是一两列:
CURRENT EXAMPLE IMAGE
| [Col A] Requirement List Item | [Col B] Requirement Text |
|-------------------------------|-------------------------------------------------|
| Section 1-1.1 | General |
| A. | The contractor shall do “this”, then “that”. |
| 1 | “This” will cost less than this much money |
| 2 | “That” will cost less than this amount of money |
| a. | If “that” costs more, it should not be added |
| b. | Another option is “this” |
| B. | The contractor shall name “this”... |
| 1 | The name should use proper grammar |
| C. | The contractor shall complete work before 2022 |
| Section 1-2.1 | Materials |
| A. | The contractor shall use these three materials: |
| 1 | Aluminum |
| 2 | Steel |
| 3 | Cement |
| a. | Cement should be gray only |
| i. | Gray coloring must be this shade |
| ii. | Gray cement must not lose coloring |
| b. | Cement should be mixed on-site |
| Section 1-2.2 | Material Suppliers |
| A. | Aluminum must be supplied by “ABC, Inc” |
| B. | Steel must be supplied by “DEF, Inc” |
| C. | Cement must be supplied by "GHI, Inc" |
| Table 1-1 | [Table Here] |
| Section 1-3.1 | Landscaping |
| ... | ... |
最后，这是我们希望得到的最终结果。我们只想让数据行按它们的部分编号排序，然后是它们的顶级子需求(在本例中为 A、B、C、D 级):
FINAL EXAMPLE IMAGE
有没有人知道如何创建一个 Python 脚本来处理这个任务？我已经尝试了一个半星期来解决这个问题，但我似乎找不到合适的功能来使用。我查找了 Excel 函数/论坛，以及 Concat 和 Merge/TextJoin 的不同用途。
TLDR:我想获取以编号列表格式(来自 PDF)提供给我们的项目需求数据，并将其组织在 Excel 电子表格中，以仅根据部分和顶级子项数据是什么来分组/连接/合并行(请参阅上面的示例)。
感谢您提供任何帮助/建议。我真的有兴趣学习脚本编写以使我的工作更轻松，我只是不知道从哪里开始这样的事情。
这是无法完成任务的 VBA 代码。它似乎在 2-3 段数据后中断:
Sub GroupLists()
Dim startRow As Integer
Dim lastRow As Integer
Dim outputRow As Integer
outputRow = 0
Dim outputStr As String
Dim col_list As Integer
Dim col_list_str As String
Dim col_content As Integer
Dim col_content_str As String
Dim currentList As String
Dim i As Integer
Dim j As Integer
Dim parseSheet As String
Dim outputSheet As String
Dim startList As Boolean
startList = False
Dim indent As Integer
indent = 0
'regex patterns
Dim regexObject As RegExp
Set regexObject = New RegExp
Dim pattern_listHeader As String
Dim pattern_listUpAlpha As String
Dim pattern_listLowAlpha As String
Dim pattern_listNum As String
pattern_listHeader = "[\d]-"
pattern_listUpAlpha = "[A-Z]"
pattern_listLowAlpha = "[a-z]"
'configurable variables
parseSheet = "Input"
outputSheet = "Output"
col_list = 2
col_content = 3
outputRow = 1
startRow = Worksheets("Control").Cells(2, 1).Value
lastRow = Worksheets("Control").Cells(2, 2).Value
For i = startRow To lastRow
col_list_str = Worksheets(parseSheet).Cells(i, col_list).Value
col_content_str = Worksheets(parseSheet).Cells(i, col_content).Value
With regexObject
.Pattern = "^[\d]-"
End With
If regexObject.Test(col_list_str) = True Then
If startList = True Then
'write output to row, then write current row to output row
Worksheets(outputSheet).Cells(outputRow, 1).Value = outputStr
outputRow = outputRow + 1
End If
outputStr = Worksheets(parseSheet).Cells(i, col_content)
'write to row
Worksheets(outputSheet).Cells(outputRow, 1).Value = outputStr
'increment row
outputRow = outputRow + 1
outputStr = ""
startList = False
End If
With regexObject
.Pattern = "^[A-Z]."
End With
If regexObject.Test(col_list_str) = True Then
If startList = True Then
startList = False
Else
startList = True
End If
outputStr = outputStr & col_list_str & col_content_str & vbNewLine
'outputRow = outputRow + 1
End If
If startList = True Then
With regexObject
.Pattern = "^[a-z]."
End With
If regexObject.Test(col_list_str) = True Then
'indent = 1
outputStr = outputStr & col_list_str & col_content_str & vbNewLine
'outputRow = outputRow + 1
End If
With regexObject
.Pattern = "^[0-9]."
End With
If regexObject.Test(col_list_str) = True Then
'indent = indent + 1
outputStr = outputStr & col_list_str & col_content_str & vbNewLine
'outputRow = outputRow + 1
End If
End If
Next i
If startList = True Then
Worksheets(outputSheet).Cells(outputRow, 1).Value = outputStr
End If
End Sub
典型的重复如下所示。回应@Dy.Lee 的评论。
最佳答案
当我写了这么多评论时，我决定发布一个指导答案并删除我的评论，即提供一些指向一种可能的解决方案的指针。
逻辑:
我会将所有内容读入一个数组并循环其中的行。应用根据规则处理行的逻辑，例如是从章节开始吗.....
它是数组第 1 列开头的大写字母吗...是数字吗...
一个好主意可能是使用辅助函数。例如。
这样，您可以创建键 A 的字典:来自最后一个辅助函数调用的关联文本，并在最后写出到工作表。
您将需要表等的附加逻辑。表将作为数组添加到字典中，键是第一列的值
最后，您可以循环并写入工作表。我认为在写出表格时需要谨慎，因为它们可能需要不止一行。在这种情况下，有一个 additional helper function计算工作表(或目标列范围)中任何位置的最后填充行，并通过将 + 1 添加到最后填充的行号来确保将下一个键:值对写到表之后。
当你写出表格时，你需要测试它的字典键是否包含'table'，或者它的值是一个数组；您需要 resize the target cell to the size of the array例如如果 dict(key) = results 那么
targetCell.Resize(UBound(results, 1), UBound(results, 2)) = results想想任何超链接(友好名称与目的地不同的地方)|额外的元数据将被传递。提供样本数据:
我想我会建议你使用 markdown table generator提供当前数据(输入数据)以节省人们写出自己数据的时间。您可以从 Excel 粘贴到 Markdown 生成器中，按生成表，然后复制到该表的剪贴板，使用编辑插入问题。突出显示刚刚粘贴的表格，然后按 Ctrl + K 正确缩进。
正则表达式:
从我所见，不需要正则表达式。数据位于源中的单独单元格中。
标签:
我认为删除 python 标签，除非你有 python 代码要添加。
资源:
关于缩进的一些有用的常量
| VBA.Constants | Chr | Comments |
|---------------|-----------------------|----------------------------------------------------------------------------------------------------------------|
| vbCr | Chr(13) | Carriage return character |
| vbLf | Chr(10) | Linefeed character |
| vbCrLf | Chr(13) + Chr(10) | Carriage return - linefeed combination |
| vbNewLine | Chr(13) + Chr(10) | New line character |
| vbNullChar | Chr(0) | Character having a value of 0. |
| vbNullString | String having value 0 | Not the same as a zero-length string (""); used for calling external procedures. Cannot be passed to any DLL's |
| vbTab | Chr(9) | Tab character |
| vbBack | Chr(8) | Backspace character |
| vbFormFeed | Chr(12) | Word VBA Manual - manual page break ? |
| vbVerticalTab | Chr(11) | Word VBA Manual - manual line break (Shift + Enter) |
替代方法:
如果使用数组和字典(应该很快)对您不起作用，那么关于如何分离出 block /缩进的逻辑仍然可以在工作表中的实际行上循环应用。但是，您需要根据目标范围中的最后一行来跟踪您写入的位置(您可以使用不同的 last row helper function 并传入用于确定最后填充行的列)。
关于excel - 有没有办法为 Excel 创建 Python 或 VBA 脚本，以按列表编号顺序(大纲中的顺序)合并数据行？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/66508739/