格式检查脚本

check_format/format_checking.py

+import openpyxl
+from openpyxl.styles import PatternFill
+from openpyxl.comments import Comment
+import re
+import os
+
+# ============ 用户需要配置 =====================
+excel_path = "测试输入.xlsx"
+sheet_names = ["Dadiannao"]  # 你要检查的Sheet名, e.g ["Dadiannao", "Diannao"]
+# ==============================================
+# ============ 输出结果 =====================
+# 文件一：excel_path_标记.xlsx (对格式错误单元格标红并注释错误原因)
+# 文件二：excel_path_格式问题报告.txt
+# ==============================================
+
+EXPECTED_COLS = [
+    "序号", "引文链接", "引文名称", "期刊/会议名称", "是否是CCF-A",
+    "引用序号", "引文作者", "通讯作者顺序", "引文机构", "引文机构所属国家索引",
+    "引文机构所属国家", "引文机构在知名企业中的索引", "知名企业名称\n（参考知名企业列表）", "牛人\n(参考全局牛人列表)", "牛人署名顺序"
+]
+
+red_fill = PatternFill(start_color='FFFF6666', end_color='FFFF6666', fill_type='solid')
+
+def check_not_empty(value):
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("不能为空")
+    return errors
+
+def check_url(value):
+    """
+    本次报告不对url进行强制要求
+    """
+    errors = []
+    # if value is None or str(value).strip() == "":
+    #     errors.append("不能为空")
+    # else:
+    #     url_pat = re.compile(
+    #         r'^(https?|ftp)://[^\s/$.?#].[^\s]*$', re.IGNORECASE)
+    #     if not url_pat.match(str(value).strip()):
+    #         errors.append("不是合法的URL")
+    return errors
+
+def check_citation_title(value):
+    errors = []
+    invalid_prefixes = ["[PDF]", "[HTML]", "[citation]", "[BOOK]"]
+    if value is None or str(value).strip() == "":
+        errors.append("为空")
+        return errors
+    val = str(value)
+    for pre in invalid_prefixes:
+        if val.lower().startswith(pre.lower()):
+            errors.append(f"前缀不合法：{pre}")
+    if '\n' in val:
+        errors.append("含有换行符")
+    return errors
+
+def check_ccfa(value):
+    errors = []
+    if value not in ("是", "否"):
+        errors.append("只能为'是'或'否'")
+    return errors
+
+def check_reference_index(value):
+    """
+    只要求有内容，确认引用
+    """
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("不能为空")
+    # else:
+    #     val = str(value).strip()
+    #     if val == "无":
+    #         return errors
+    #     if not val.isdigit():
+    #         errors.append("只能为数字或者'无'")
+    return errors
+def check_authors(value):
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("为空")
+        return errors
+    val = str(value).strip().rstrip(";")  # 去除结尾英文分号
+    if " and " in val:
+        errors.append("不能出现 ' and '")
+    # 检测连续分号（允许分号间有任意空白符）
+    if re.search(r';\s*;', val):
+        errors.append("不能有连续分号（分号间不能有空格）")
+    if ',' in val or '，' in val:
+        errors.append("不能有逗号")
+    if "；" in val:
+        errors.append("不能用中文分号，请使用英文分号")
+    # 检查是否有非英文句点的点符号
+    # 非英文句点常见有：U+2024 '․', U+2027 '‧', U+2022 '•', U+00B7 '·', U+2219 '∙', U+22C5 '⋅', U+30FB '・', U+FF0E '．'
+    invalid_dots = '[\u2024\u2027\u2022\u00B7\u2219\u22C5\u30FB\uFF0E]'
+    if re.search(invalid_dots, val):
+        errors.append("请使用英文句点（.），不要用其它点符号")
+    authors = val.split(";")
+    pat = re.compile(r'^[A-Za-z\u00C0-\u024F.\-\s]+$')
+    for name in authors:
+        if not pat.fullmatch(name.strip()):
+            errors.append(f"作者名称不规范: {name}")
+    return errors
+
+def check_comm_author_order(value):
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("为空")
+        return errors
+    val = str(value).strip().rstrip(";")  # 去除结尾英文分号
+    if "；" in val:
+        errors.append("不能用中文分号，请使用英文分号")
+    if val == "无":
+        return errors
+    if '\n' in val:
+        errors.append("有换行符")
+    if "  " in val:
+        errors.append("不能有连续2个以上空格")
+    nums = val.split(";")
+    for n in nums:
+        if not n.strip().isdigit():
+            errors.append(f"不是数字: {n}")
+    return errors
+
+def check_affiliation(value):
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("为空")
+        return errors
+    val = str(value)
+    if "department" in val.lower():
+        errors.append("请写大学或者公司，不能含department等二级单位")
+    if '\n' in val:
+        errors.append("含有换行符")
+    if "；" in val:
+        errors.append("不能用中文分号，请使用英文分号")
+    return errors
+
+def check_aff_country_index(value):
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("为空")
+        return errors
+    val = str(value).strip().rstrip(";")  # 去除结尾英文分号
+    if "；" in val:
+        errors.append("不能用中文分号，请使用英文分号")
+    if '\n' in val:
+        errors.append("含有换行符")
+    nums = val.split(";")
+    for n in nums:
+        if not n.strip().isdigit():
+            errors.append(f"不是数字或者没有用分号隔开: {n}")
+    return errors
+
+def check_aff_country(value):
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("为空")
+        return errors
+    val = str(value).strip().rstrip(";")  # 去除结尾英文分号
+    if "；" in val:
+        errors.append("不能用中文分号，请使用英文分号")
+    return errors
+
+def check_enterprise_index(value):
+    errors = []
+    if value is None or str(value).strip() == "":
+        errors.append("不能为空")
+        return errors
+    val = str(value).strip().rstrip(";")  # 去除结尾英文分号
+    if "；" in val:
+        errors.append("不能用中文分号，请使用英文分号")
+    if " " in val:
+        errors.append("不能出现空格")
+    for part in val.split(";"):
+        part = part.strip()
+        if not (part == "无" or part.isdigit()):
+            errors.append("只能用英文分号分隔，每项只能为数字或'无'")
+    return errors
+
+col_check_map = {
+    "序号": check_not_empty,
+    "引文链接": check_url,
+    "引文名称": check_citation_title,
+    "是否是CCF-A": check_ccfa,
+    "引用序号": check_reference_index,
+    "引文作者": check_authors,
+    "通讯作者顺序": check_comm_author_order,
+    "引文机构": check_affiliation,
+    "引文机构所属国家索引": check_aff_country_index,
+    "引文机构所属国家": check_aff_country,
+    "引文机构在知名企业中的索引": check_enterprise_index,
+    # 其他列可继续完善
+}
+
+def check_sheet(ws, sheet_name, report):
+    header_row_idx = 4
+    data_start_row = header_row_idx + 1
+    rows = list(ws.iter_rows(min_row=header_row_idx, values_only=False))
+    if not rows:
+        report.append(f"{sheet_name}: 数据为空")
+        return
+
+    actual_cols = [str(cell.value).strip() if cell.value else "" for cell in rows[0]]
+    col_map = {}
+    missing_cols = []
+    for expect in EXPECTED_COLS:
+        for idx, ac in enumerate(actual_cols):
+            if ac == expect:
+                col_map[expect] = idx + 1  # openpyxl列号从1开始
+                break
+        else:
+            missing_cols.append(expect)
+            report.append(f"标题行应该在第三行！{sheet_name}：缺少列：{expect}")
+
+    if missing_cols:
+        # 1-10列填充红色
+        for col in range(1, 11):
+            cell = ws.cell(row=header_row_idx, column=col)
+            cell.fill = red_fill
+        # 第一列加注释，内容为缺失列名
+        cell = ws.cell(row=header_row_idx, column=1)
+        miss_txt = "标题应该在第四行\n"
+        miss_txt += "缺少列: " + "; ".join(missing_cols)
+        cell.comment = Comment(miss_txt, "checker")
+        return
+
+    max_row = ws.max_row
+    for row_idx in range(data_start_row, max_row + 1):
+        for col_name, col_num in col_map.items():
+            cell = ws.cell(row=row_idx, column=col_num)
+            value = cell.value
+            checker = col_check_map.get(col_name)
+            if checker:
+                errors = checker(value)
+                if errors:
+                    cell.fill = red_fill
+                    err_text = "; ".join(errors)
+                    cell.comment = Comment(err_text, "checker")
+                    report.append(f"{sheet_name}: 第{row_idx}行[{col_name}] 错误: {err_text}")
+
+def main():
+    wb = openpyxl.load_workbook(excel_path)
+    error_report = []
+
+    for sheet in sheet_names:
+        if sheet not in wb.sheetnames:
+            error_report.append(f"{sheet}: sheet不存在")
+            continue
+        ws = wb[sheet]
+        check_sheet(ws, sheet, error_report)
+
+    base, ext = os.path.splitext(excel_path)
+    new_file = f"{base}_标记{ext}"
+    wb.save(new_file)
+    print(f"已保存标记文件: {new_file}")
+
+    report_file = f"{base}_格式问题报告.txt"
+    with open(report_file, "w", encoding="utf-8") as f:
+        for line in error_report:
+            f.write(line + "\n")
+    print(f"已输出报告至: {report_file}")
+
+if __name__ == "__main__":
+    main()
\ No newline at end of file

check_format/readme.md

+# Excel 格式检查脚本
+
+## requirements
+`
+openpyxl>=3.0.0
+`
+## 功能
+
+本脚本用于自动检查指定 Excel 文件中若干 Sheet 的格式和内容是否规范：
+
+- 跳过每个 Sheet 前三行，从第四行（标题行）开始校验。
+- 检查每列内容的格式（如是否为空、是否为合法 URL、作者格式等）。
+- 若发现格式问题，会在 Excel 文件中用红色标注问题单元格并添加批注。
+- 会输出一个详细的文本报告，列出所有问题。
+
+---
+
+## 输入格式
+
+- **Excel 文件**（如 `测试输入.xlsx`）
+- 至少包含一个 Sheet，Sheet 名称需在脚本 `sheet_names` 变量中指定。
+- 每个 Sheet 的**第4行**为标题行，要求包含以下列：
+
+    ```
+    序号、引文链接、引文名称、期刊/会议名称、是否是CCF-A、
+    引用序号、引文作者、通讯作者顺序、引文机构、引文机构所属国家索引、
+    引文机构所属国家、引文机构在知名企业中的索引、
+    知名企业名称（参考知名企业列表）、牛人(参考全局牛人列表)、牛人署名顺序
+    ```
+
+---
+
+## 输出格式
+
+- **标记后的 Excel 文件**
+  - 命名为：原文件名后加 `_标记`（如 `测试输入_标记.xlsx`）
+  - 有问题的单元格会被标红并添加批注说明原因。
+  - 如果标题栏缺少列，标题行第1-10列都会被标红，第1列批注缺少的列名。
+
+- **文本报告**
+  - 命名为：原文件名后加 `_格式问题报告.txt`
+  - 列出所有 Sheet、行、列的具体格式问题，方便汇总和修改。
+
+---
+
+## 使用方法
+
+1. 修改脚本开头的 `excel_path` 和 `sheet_names` 变量，指定你的 Excel 文件和需要检查的 Sheet 名。
+2. 运行脚本：
+    ```bash
+    python format_checking.py
+    ```
+3. 查看输出的 `_标记.xlsx` 和 `_格式问题报告.txt` 文件。
+
+---
\ No newline at end of file

check_format/测试输入_格式问题报告.txt

+标题行应该在第三行！Dadiannao：缺少列：序号
+标题行应该在第三行！Dadiannao：缺少列：序号
+标题行应该在第三行！Dadiannao：缺少列：引文链接
+标题行应该在第三行！Dadiannao：缺少列：引文名称
+标题行应该在第三行！Dadiannao：缺少列：期刊/会议名称
+标题行应该在第三行！Dadiannao：缺少列：是否是CCF-A
+标题行应该在第三行！Dadiannao：缺少列：引用序号
+标题行应该在第三行！Dadiannao：缺少列：引文作者
+标题行应该在第三行！Dadiannao：缺少列：通讯作者顺序
+标题行应该在第三行！Dadiannao：缺少列：引文机构
+标题行应该在第三行！Dadiannao：缺少列：引文机构所属国家索引
+标题行应该在第三行！Dadiannao：缺少列：引文机构所属国家
+标题行应该在第三行！Dadiannao：缺少列：引文机构在知名企业中的索引
+标题行应该在第三行！Dadiannao：缺少列：知名企业名称
+（参考知名企业列表）
+标题行应该在第三行！Dadiannao：缺少列：牛人
+(参考全局牛人列表)
+标题行应该在第三行！Dadiannao：缺少列：牛人署名顺序