python文件多少行？

导读：本篇文章首席CTO笔记来给大家介绍有关python文件多少行的相关内容，希望对大家有所帮助，一起来看看吧。

python openpyxl写xlsx最多写多少行

不超过100行

最近要帮做RA的老姐写个合并excel工作表的脚本……源数据是4000+个excel 工作表，分布在9个xlsm文件里，文件内容是中英文混杂的一些数据，需要从每张表中提取需要的部分，分门别类合并到多个大的表里。

寻觅工具

确定任务之后第一步就是找个趁手的库来干活。 Python Excel上列出了xlrd、xlwt、xlutils这几个包，但是

它们都比较老，xlwt甚至不支持07版以后的excel

它们的文档不太友好，都可能需要去读源代码，而老姐的任务比较紧，加上我当时在期末，没有这个时间细读源代码

再一番搜索后我找到了openpyxl，支持07+的excel，一直有人在维护，文档清晰易读，参照Tutorial和API文档很快就能上手，就是它了~

安装

这个很容易，直接pip install openpyxl，呵呵呵~

因为我不需要处理图片，就没有装pillow。

一些考虑

源文件大约一个在1~2MB左右，比较小，所以可以直接读入内存处理。

既然是处理excel，何况他们整个组显然都是win下干活（数据都用excel存了= =，商科的人啊……），这个脚本还是在win下做吧

这个任务完全不需要我对现有的文件做修改！囧……我只要读入、处理、再写出另一个文件就行了

学习使用

嗯，就是打开cmd，然后用python的shell各种玩这个模块来上手……（win下没有装ipython，囧）

做这个小脚本基本上我只需要import两个东西

from openpyxl import Workbookfrom openpyxl import load_workbook

load_workbook顾名思义是把文件导入到内存，Workbook是最基本的一个类，用来在内存里创建文件最后写进磁盘的。

干活

首先我需要导入这个文件

inwb = load_workbook(filename)

得到的就是一个workbook对象

然后我需要创建一个新的文件

outwb = Workbook()

接着在这个新文件里，用create_sheet新建几个工作表，比如

careerSheet = outwb.create_sheet(0, 'career')

就会从头部插入一个叫career的工作表（也就是说用法类似python list的insert）

接下来我需要遍历输入文件的每个工作表，并且按照表名做一些工作（e.g.如果表名不是数字，我不需要处理），openpyxl支持用字典一样的方式通过表名获取工作表，获取一个工作簿的表名的方法是get_sheet_names

for sheetName in inwb.get_sheet_names(): if not sheetName.isdigit(): continue

sheet = inwb[sheetName]

得到工作表之后，就是按列和行处理了。openpyxl会根据工作表里实际有数据的区域来确定行数和列数，获取行和列的方法是sheet.rows和sheet.columns，它们都可以像list一样用。比如，如果我想跳过数据少于2列的表，可以写

if len(sheet.columns) 2: continue

如果我想获取这个工作表的前两列，可以写

colA, colB = sheet.columns[:2]

除了用columns和rows来得到这个工作表的行列之外，还可以用excel的单元格编码来获取一个区域，比如

cells = sheet['A1':'B20']

有点像excel自己的函数，可以拉出一块二维的区域~

为了方便处理，遇到一个没有C列的工作表，我要创建一个和A列等长的空的C列出来，那么我可以用sheet.cell这个方法，通过传入单元格编号和添加空值来创建新列。

alen = len(colA)for i in range(1, alen + 1):

sheet.cell('C%s' % (i)).value = None

注意：excel的单元格命名是从1开始的~

上面的代码也显示出来了，获取单元格的值是用cell.value（可以是左值也可以是右值），它的类型可以是字符串、浮点数、整数、或者时间（datetime.datetime），excel文件里也会生成对应类型的数据。

得到每个单元格的值之后，就可以进行操作了~openpyxl会自动将字符串用unicode编码，所以字符串都是unicode类型的。

除了逐个逐个单元格用cell.value修改值以外，还可以一行行append到工作表里

sheet.append(strA, dateB, numC)

最后，等新的文件写好，直接用workbook.save保存就行

outwb.save("test.xlsx")

这个会覆盖当前已有的文件，甚至你之前读取到内存的那个文件。

一些要注意的地方

如果要在遍历一列的每个单元格的时候获取当前单元格的在这个column对象里的下标

for idx, cell in enumerate(colA): # do something...

为了防止获取的数据两端有看不见的空格（excel文件里很常见的坑），记得strip()

如果工作表里的单元格没有数据，openpyxl会让它的值为None，所以如果要基于单元格的值做处理，不能预先假定它的类型，最好用

if not cell.value continue

之类的语句来先行判断

如果要处理的excel文件里有很多noise，比如当你预期一个单元格是时间的时候，有些表的数据可能是字符串，这时候可以用

if isinstance(cell.value, unicode): break

之类的语句处理。

win下的cmd似乎不太好设定用utf-8的code page，如果是简体中文的话可以用936（GBK），print的时候会自动从unicode转换到GBK输出到终端。

一些帮忙处理中文问题的小函数

我处理的表有一些超出GBK范围的字符，当我需要把一些信息print出来监控处理进度的时候非常麻烦，好在它们都是可以无视的，我直接用空格替换再print也行，所以加上一些我本来就要替换掉的分隔符，我可以：

# annoying seperatorsdot = u'\u00b7'dash = u'\u2014'emph = u'\u2022'dot2 = u'\u2027'seps = (u'.', dot, dash, emph, dot2)def get_clean_ch_string(chstring): """Remove annoying seperators from the Chinese string.

Usage:

cleanstring = get_clean_ch_string(chstring) """

cleanstring = chstring for sep in seps:

cleanstring = cleanstring.replace(sep, u' ') return cleanstring

此外我还有一个需求，是把英文名[空格]中文名分成英文姓、英文名、中文姓、中文名。

首先我需要能把英文和中文分割开，我的办法是用正则匹配，按照常见中英文字符在unicode的范围来套。匹配英文和中文的正则pattern如下：

# regex pattern matching all ascii charactersasciiPattern = ur'[%s]+' % ''.join(chr(i) for i in range(32, 127))# regex pattern matching all common Chinese characters and seporatorschinesePattern = ur'[\u4e00-\u9fff. %s]+' % (''.join(seps))

英文就用ASCII可打印字符的范围替代，常见中文字符的范围是\u4e00-\u9fff，那个seps是前面提到过的超出GBK范围的一些字符。除了简单的分割，我还需要处理只有中文名没有英文名、只有英文名没有中文名等情况，判断逻辑如下：

def split_name(name): """Split [English name, Chinese name].

If one of them is missing, None will be returned instead.

Usage:

engName, chName = split_name(name) """

matches = re.match('(%s) (%s)' % (asciiPattern, chinesePattern), name) if matches: # English name + Chinese name

return matches.group(1).strip(), matches.group(2).strip() else:

matches = re.findall('(%s)' % (chinesePattern), name)

matches = ''.join(matches).strip() if matches: # Chinese name only

return None, matches else: # English name only

matches = re.findall('(%s)' % (asciiPattern), name) return ''.join(matches).strip(), None

得到了中文名之后，我需要分割成姓和名，因为任务要求不需要把姓名分割得很明确，我就按照常见的中文名姓名分割方式来分——两个字or三个字的第一个字是姓，四个字的前两个字是姓，名字带分隔符的（少数民族名字）分隔符前是姓（这里用到了前面的get_clean_ch_string函数来移除分隔符），名字再长一些又不带分割符的，假设整个字符串都是名字。（注意英语的first name 指的是名，last name指的是姓，2333）

def split_ch_name(chName): """Split the Chinese name into first name and last name.

* If the name is XY or XYZ, X will be returned as the last name.

* If the name is WXYZ, WX will be returned as the last name.

* If the name is ...WXYZ, the whole name will be returned

as the last name.

* If the name is ..ABC * XYZ..., the part before the seperator

will be returned as the last name.

Usage:

chFirstName, chLastName = split_ch_name(chName) """

if len(chName) 4: # XY or XYZ

chLastName = chName[0]

chFirstName = chName[1:] elif len(chName) == 4: # WXYZ

chLastName = chName[:2]

chFirstName = chName[2:] else: # longer

cleanName = get_clean_ch_string(chName)

nameParts = cleanName.split() print u' '.join(nameParts) if len(nameParts) 2: # ...WXYZ

return None, nameParts[0]

chLastName, chFirstName = nameParts[:2] # ..ABC * XYZ...

return chFirstName, chLastName

分割英文名就很简单了，空格分开，第一部分是名，第二部分是姓，其他情况暂时不管就行。

如果Java要打100行的代码，一般用Python要打大概多少行？

视具体代码情况而定，视是否引用外部包而定，视个人编程书写习惯而定。

具体的来说，Python可以将任意长的代码写在一行上（其实好像java也可以这么干）。

所以行数说明不了什么问题。

平均来看，Java要打100行的代码，Python大约需要50行代码左右。

另外Python在某些问题上，处理比Java要更消耗资源，不过Python用了很多多线程优化，所以说起来，单机的运行速度不相上下，但在服务器上运行就能看出来Java是有明显优势的。

powerbipython最多多少行

本次统计中纯 Python 代码量最大的 Sentry 几乎达到了 70W 行，这是相当有规模的项目了。30W~50W 行代码的项目有三个，包括基础项目 CPython 在内。20W 和 10W 行代码规模的分别有三个，剩下 7 个则在 10W 行以内。

看过这个列表你应当相信，动态语言至少在几十W行代码的项目上是完全没有问题的。这也是绝大多数普通应用的上限了，如果代码真的达到数百万行规模的话，那么无论用什么语言，都势必面临着拆分项目的问题。

上表将代码量指标按照代码/空白/注释进行了分类，也在一定程度上反应了项目的代码风格。Sentry 是本次统计中代码量最多的项目，然而从表中可以看到，项目中的注释和其他项目相比，少得有点不成比例，说明 Sentry 的作者非常不注重注释。

同学们一定发现了，我在列表中除了代码行相关的指标之外还增加了几个其他内容，这也是我个人比较感兴趣的方面。

第一个指标是每个文件的平均代码行数。按照模块化的观点，单个文件中堆砌太多内容显然是不合理的，这通常意味着耦合太多、难于理解和修改。然而到底多少算是合适，并没有一个明确的标准。我希望通过这些项目的分析，了解一下开源作者们在实践中做出的选择。

统计的结果分布比较平均，从 100~600行/文件的都存在，并不存在明显的集中点。有趣的是，头两名(Pandas, NumPy)有着紧密的联系，都是和数学统计相关的。这可能是因为数学库的特点比较纯粹而单一，不像其他类库那样容易划分。末尾的项目(Pillow, youtube-dl, Odoo, Scrapy)可以从侧面印证这种猜想：它们都是面向特定领域的，所以更加容易模块化。

第二个指标是注释和代码的比例，这个问题也有着类似的情况。注释并非越详尽越好，但总是需要一定量的注释来解释 Why 的问题。注释太少，说明项目的作者没有给后来的维护人员留下足够的线索，可能会造成维护上的问题。另一方面，我们考察的全部是开源项目，没有公司考核或者 KPI 的约束，所以我们可以放心的相信不会存在作者故意多写注释的问题。

前面提到的 Sentry 毫无争议的因为注释太少排到了最后，这未必说明这个项目很差，但至少是一个信号，说明该项目在维护方面可能是存在问题的。而对于那些作者愿意投入精力来写注释的项目(Ansible, NumPy, Fabric, Salt 等)，足以反映作者在项目上投入了相当大的心力，这是一个好的信号，说明这些项目是值得信赖的。

有一点是出乎我意料的，那就是作为所有项目之母的 CPython 排名比较靠后，按照道理这个基础项目应该有更多的注释才对。不过再想一想又觉得可以理解，因为 CPython 有单独发布的、非常详尽的文档，这是其他大多数项目都没有的，那么代码中的注释少一些也是情有可原的。

最后一项统计是关于文件类型的。Python 项目中绝大多数应该是 Python 代码，这点没有什么疑问，但同时我也想看看除了 Python 代码之外，一个项目还包括哪些主要文件。C/HTML/Javascipt 的上榜是毫不意外的，但有一种文件我事先没有想到，那就是 .PO(开源项目常用的语言资源文件)。

对于 Django 和 Django-CMS 这两个项目, PO 代码数量甚至比 Python 代码还要多。大概看了一下，Django 支持 90 种以上的语言，这也无怪乎语言文件的数量如此之多了。

这个结果也可以提醒我们，有些同学——不仅是程序员，也包括大多数经验不足的老板、客户、产品经理等——会下意识的认为程序开发无非是写代码，对于代码之外的其他工作，在估算的时候往往只拍脑袋式的定下一个极短的时间。但对于实际的项目来说，代码仅仅是其中的一部分，“其他工作”有时候——应该说是经常——会占用你大部分的的时间和精力。这些工作往往并不有趣，但对于项目来说又是必不可少的组成部分，希望同学们予以足够的重视。