Shell 脚本 - 将 Excel (xlsx) 转换为 CSV - 删除空格/制表符空间

Question

我收到了包含我的项目的多张工作表的 excel 文件 (xslx)。这些工作表上的记录数量从每张工作表 15k 到 70k 不等。我需要对此数据执行以下任务，然后将其转换为 CSV。或者转换为 CSV，然后以任何方式处理数据。

输入示例：

call_no  uniq_no  Type  Strength    Description
2456     15       TX    SomeSting        SomeSting
5263     15       BLL      SomeSting   SomeSting
4263     162      TX                SomeSting
2369     215      LH    SomeSting
4269     426      BLL   SomeSting       SomeSting
7412     162      TX    SomeSting   SomeSting

根据我需要的要求

1. 在“uniq_no”列中查找重复值并删除除原始记录（第一条记录）之外的所有重复记录。
2. 用数据替换空白。 （只需简单的查找空白并用值逻辑替换）
3. 删除任何单元格中的空格/制表符空格。 （这点不重要，就像一个支线任务）

输出示例：

call_no  uniq_no  Type  Strength    Description
2456     15       TX    SomeSting   SomeSting
4263     162      TX    **NewDATA** SomeSting
2369     215      LH    SomeSting   **NewDATA**
4269     426      BLL   SomeSting   SomeSting

这对我来说是例行任务。我对 shell 脚本有相当的了解。因此，如果有人可以指导我，即使是粗略的脚本大纲，我也可以在最后进行调整。请帮忙。

Answer 1

^{更新：脚本的所需平台已得到澄清，vb-script 响应不再适用。但是，我将在此处留下此回复，以防将来查看此问题的人偶然发现它并发现它有用。任何用 Ubuntu 语言编写 shell 脚本的人都可以移植这个 vbscript 的某些方面。}

这里有一些东西可以帮助您入门。如果您使用 Excel 的宏记录器记录操作，请记住在 VBS 中使用相同的命令意味着您必须摆脱所有命名参数。

prep_xlsx.vbs

Set objExcel = WScript.CreateObject ("Excel.Application")

objExcel.Visible = true 'False  'True for testing

strFileName = "c:\tmp\vbs_test.xlsx"

 set objWb = objExcel.WorkBooks.open(strFileName)
 set objWs = objWb.Worksheets(1)

with objWs
    with .cells(1, 1).CurrentRegion
        .Cells.SpecialCells(4) = "**NewDATA**"  ' 4 is xlCellTypeBlanks
        .Cells.RemoveDuplicates 2, 1                ' Columns:=2, Header:=xlYes
        for c = 1 to .Columns.Count
            with .columns(c)
                .TextToColumns .Cells(1), 2 ', Array(0, 1)  'Range("C1"), DataType:=xlFixedWidth, FieldInfo:=Array(0, 1)
            end with
        next    'next c
    end with
end with

objWb.Close True   'save on close

objExcel.Quit
Set objExcel = Nothing

需要注意的是，如果前导空格太多，使用带有 xlFixedWidth 的 Range.TextToColumns method 删除前导/尾随空格可能会尝试将列拆分为两列。目前，这将停止该过程，因为它将要求确认覆盖下一列的值（您不想这样做）。必须有大量空格才能让 Excel 猜测它属于两列，因此除非空格比典型单词多，否则无需担心；只是需要注意的事情。例如如果 D6 中有两倍多的前导空格，则可能需要拆分为两列。

    
        ^{vbs_test.xlsx 在 prep_xlsx.vbs 之前}

    
        ^{vbs_test.xlsx 之后 prep_xlsx.vbs}