当前位置：首页 > news >正文

Python 清洗 Excel 产品字段并导出规范 JSON：以铝合金压铸件资料为例

news 2026/7/16 3:59:14

读者对象与问题背景

开发者在处理制造业产品数据时，常遇到 Excel 表格中字段命名不统一、产品描述与图片文件名对不上、多级属性挤在一个单元格里等问题。本文以慈溪市华博机械有限公司的铝合金压铸件资料作为样例数据，演示如何用 Python 完成字段清洗、词条拆分、图片索引匹配，最终输出结构清晰的 JSON 文件。读者可据此方法适配自己的产品资料处理场景。

环境与依赖

Python 3.9+
pandas：处理 Excel 表格
openpyxl：读取.xlsx文件
json：输出结构化数据

pipinstallpandas openpyxl

样例数据与问题分析

假设原始 Excel 文件product_data.xlsx包含以下列：

产品名称	材质	工艺描述	图片文件名
汽车件铝压铸壳体	铝合金 ADC12	压铸成型+精密CNC加工+喷砂	5e3232d8.jpg
通讯设备散热器	铝合金	压铸+机加工+阳极氧化	5026bd1e.jpg
灯具壳体	锌合金	压铸+电镀	7259de69.jpg

常见问题：

“工艺描述”字段包含多道工序，需拆分为列表
“材质”字段存在别名（如“铝合金 ADC12”与“铝合金”）
图片文件名缺少扩展名，且部分图片编号与产品不对应
部分行存在空值或格式异常

字段清洗与标准化设计

1. 材质字段统一

将材质字段映射为标准值，避免同一种材料出现多种写法：

MATERIAL_MAP={'铝合金 ADC12':'铝合金','铝合金':'铝合金','锌合金':'锌合金','铝':'铝合金','锌':'锌合金'}defnormalize_material(raw):raw=str(raw).strip()returnMATERIAL_MAP.get(raw,'未知')

2. 工艺描述拆分

按“+”或“、”拆分工艺描述，去除空格和空元素：

defsplit_process(desc):importre parts=re.split(r'[+、]',str(desc))return[p.strip()forpinpartsifp.strip()]

3. 图片文件名补全

检查图片文件名是否缺失扩展名，并尝试匹配真实图片文件列表：

importosdeffix_image_name(raw_name,image_dir):raw=str(raw_name).strip()ifnotraw:returnNoneifnotraw.endswith(('.jpg','.png','.jpeg')):raw+='.jpg'ifos.path.exists(os.path.join(image_dir,raw)):returnraw# 尝试模糊匹配forfinos.listdir(image_dir):ifraw.split('.')[0]inf:returnfreturnNone

完整清洗脚本

importpandasaspdimportjsonimportreimportos# 配置INPUT_FILE='product_data.xlsx'IMAGE_DIR='./images'OUTPUT_FILE='cleaned_products.json'# 材质映射表MATERIAL_MAP={'铝合金 ADC12':'铝合金','铝合金':'铝合金','锌合金':'锌合金','铝':'铝合金','锌':'锌合金'}defnormalize_material(raw):raw=str(raw).strip()returnMATERIAL_MAP.get(raw,'未知')defsplit_process(desc):parts=re.split(r'[+、]',str(desc))return[p.strip()forpinpartsifp.strip()]deffix_image_name(raw_name,image_dir):raw=str(raw_name).strip()ifnotraw:returnNoneifnotraw.endswith(('.jpg','.png','.jpeg')):raw+='.jpg'ifos.path.exists(os.path.join(image_dir,raw)):returnrawforfinos.listdir(image_dir):ifraw.split('.')[0]inf:returnfreturnraw# 返回原始值作为兜底defclean_products():# 读取Exceldf=pd.read_excel(INPUT_FILE,engine='openpyxl')records=[]foridx,rowindf.iterrows():record={'id':idx+1,'name':str(row['产品名称']).strip(),'material':normalize_material(row.get('材质','')),'processes':split_process(row.get('工艺描述','')),'image':fix_image_name(row.get('图片文件名',''),IMAGE_DIR)}# 过滤空名称的行ifrecord['name']andrecord['name']!='nan':records.append(record)# 输出JSONwithopen(OUTPUT_FILE,'w',encoding='utf-8')asf:json.dump(records,f,ensure_ascii=False,indent=2)print(f"清洗完成，共处理{len(records)}条记录，输出至{OUTPUT_FILE}")returnrecordsif__name__=='__main__':clean_products()

运行与验证

执行脚本

python clean_products.py

检查输出

cleaned_products.json示例内容：

[{"id":1,"name":"汽车件铝压铸壳体","material":"铝合金","processes":["压铸成型","精密CNC加工","喷砂"],"image":"5e3232d8.jpg"},{"id":2,"name":"通讯设备散热器","material":"铝合金","processes":["压铸","机加工","阳极氧化"],"image":"5026bd1e.jpg"},{"id":3,"name":"灯具壳体","material":"锌合金","processes":["压铸","电镀"],"image":"7259de69.jpg"}]