Thread Möglichkeiten von Perl (Excel-Tabellen auswerten)
(26 answers)
Opened by black_perl at 2014-11-17 15:38
Jetzt hat mir das keine Ruhe gelassen, und ich musste es ausprobieren. Das Ergebnis ist durchaus überraschend, finde ich.
Das folgende Script erzeugt die beiden Excel-Beispieldateien, liest sie dann wieder aus, mappt die Daten und schreibt sie in eine neue Excel-Datei. Dabei wird für jeden Einzelvorgang die Zeit gestoppt. Wenn man dem Script als Parameter csv übergibt, werden stattdessen csv-Dateien erzeugt und ausgelesen. Code (perl): (dl
)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 #!/usr/bin/perl use strict; use warnings; $|++; use Spreadsheet::XLSX; use Excel::Writer::XLSX; use Encode qw(decode encode); use Time::HiRes qw(gettimeofday tv_interval); my $filetype = $ARGV[0]; if (! $filetype) { $filetype = "xlsx"; } elsif ($filetype ne "xlsx" and $filetype ne "csv") { die "unknown filetype '$filetype'"; } # config my $adrcount = 1_500_000; # divisible by 3 my $transactcount = 35_000; my $adrfile = "black_perl_adr." . $filetype; my $transactfile = "black_perl_btr." . $filetype; my $outputfile = "black_perl_out." . $filetype; # /config createAdrFile($filetype, $adrfile, $adrcount); createTransactFile($filetype, $transactfile, $adrcount, $transactcount); my $alldataHR = readAllData($filetype, $adrfile, $transactfile); writeResultFile($alldataHR, $filetype, $outputfile); sub createAdrFile { my $t0 = [ gettimeofday ]; my $filetype = shift; my $adrfile = shift; my $adrcount = shift; print " ... Creating address file $adrfile ...\n"; my @header = (qw(Kundennummer Name Vorname Straße Hausnummer PLZ Ort Telefon)); my @adrdata = ( [qw(Müller Maier Schröder Lehmann)] , [qw(Hans Grete Ulrich Susanne)] , [qw(Goethestraße Ulmenweg Bahnhofstraße Hauptstraße)] , [qw(14 23a 16/1 9)] , [qw(12345 23456 34567 45678)] , [qw(Foobach Musterstadt Irgendwingen Nirgendhausen)] , ['+49 123 45678912', '+49 234 56789123', '+49 345 67891234', '+49 456 78912345'] ); if ($filetype eq 'xlsx') { my $workbook = Excel::Writer::XLSX->new($adrfile) or die $!; my $adrcountperws = $adrcount / 3; for my $ws (0 .. 2) { my $worksheet = $workbook->add_worksheet(); for my $row (0 .. $#header) { $worksheet->write(0, $row, $header[$row]); } for my $row (1 .. $adrcountperws) { my $kdnr = $ws * $adrcountperws + $row; $worksheet->write($row, 0, $kdnr); for my $col (1 .. @adrdata) { my $i = int(rand()*4); my $val = $adrdata[$col-1]->[$i]; $worksheet->write($row, $col, $val); } } } } elsif ($filetype eq 'csv') { open my $csvFH, ">", $adrfile; print $csvFH (join ";", @header); for my $kdnr (1 .. $adrcount) { print $csvFH "\n"; print $csvFH $kdnr; for my $col (1 .. @adrdata) { my $i = int(rand()*4); my $val = $adrdata[$col-1]->[$i]; print $csvFH ";" . $val; } } } print "Created address file $adrfile in " . (tv_interval( $t0 )) . " seconds\n"; } sub createTransactFile { my $t0 = [ gettimeofday ]; my $filetype = shift; my $transactfile = shift; my $adrcount = shift; my $transactcount = shift; print " ... Creating transation file $transactfile ...\n"; my @header = (qw(Kundennummer Geldbetrag)); my ($workbook, $worksheet, $csvFH); if ($filetype eq 'xlsx') { $workbook = Excel::Writer::XLSX->new($transactfile) or die $!; $worksheet = $workbook->add_worksheet(); for my $col (0 .. $#header) { $worksheet->write(0, $col, $header[$col]); } for my $row (1 .. $transactcount) { my $kdnr = int(rand()*$adrcount+1); my $betr = int(rand()*100_000+1)/100; $worksheet->write($row, 0, $kdnr); $worksheet->write($row, 1, $betr); } } elsif ($filetype eq 'csv') { open $csvFH, ">", $transactfile; print $csvFH (join ";", @header); } for my $row (1 .. $transactcount) { my $kdnr = int(rand()*$adrcount+1); my $betr = int(rand()*100_000+1)/100; if ($filetype eq 'xlsx') { $worksheet->write($row, 0, $kdnr); $worksheet->write($row, 1, $betr); } else { print $csvFH "\n$kdnr;$betr"; } } print "Created transaction file $transactfile in " . (tv_interval( $t0 )) . " seconds\n"; } sub readAllData { my $t0 = [ gettimeofday ]; my $filetype = shift; my $adrfile = shift; my $transactfile = shift; my %alldata; print " ... Reading data from transaction file $transactfile ...\n"; if ($filetype eq 'xlsx') { my $xlsx = Spreadsheet::XLSX->new($transactfile) or die $!; my $worksheet = $xlsx->{Worksheet}->[0]; for my $row (1 .. $worksheet->{MaxRow}) { my $kdnr = $worksheet->{Cells}->[$row]->[0]->{Val}; my $betr = $worksheet->{Cells}->[$row]->[1]->{Val}; $alldata{$kdnr}->{$row} = [$betr]; } } elsif ($filetype eq 'csv') { open my $csvFH, "<", $transactfile; my $header = <$csvFH>; while (my $row = <$csvFH>) { chomp $row; my ($kdnr, $betr) = split /;/, $row; next unless $kdnr == $kdnr*1; $alldata{$kdnr}->{$.} = [$betr]; } } print " ... Reading data from address file $adrfile ...\n"; if ($filetype eq 'xlsx') { my $xlsx = Spreadsheet::XLSX->new($adrfile) or die $!; for my $worksheet (@{$xlsx->{Worksheet}}) { my $colcount = $worksheet->{MaxCol}; for my $row (1 .. $worksheet->{MaxRow}) { my $kdnr = $worksheet->{Cells}->[$row]->[0]->{Val}; if ($alldata{$kdnr}) { for my $entry (keys %{$alldata{$kdnr}}) { for my $col (1 .. $colcount) { push @{$alldata{$kdnr}->{$entry}}, $worksheet->{Cells}->[$row]->[$col]->{Val}; } } } } } } else { open my $csvFH, "<", $adrfile; my $header = <$csvFH>; while (my $row = <$csvFH>) { chomp $row; my ($kdnr, @adr) = split /;/, $row; if ($alldata{$kdnr}) { for my $entry (keys %{$alldata{$kdnr}}) { push @{$alldata{$kdnr}->{$entry}}, @adr; } } } } print "All data read from $adrfile, $transactfile in " . (tv_interval( $t0 )) . " seconds\n"; return \%alldata; } sub writeResultFile { my $t0 = [ gettimeofday ]; my $alldataHR = shift; my $filetype = shift; my $outputfile = shift; print " ... Creating output file $outputfile ...\n"; my @header = (qw(Kundennummer Geldbetrag Name Vorname Straße Hausnummer PLZ Ort Telefon)); if ($filetype eq 'xlsx') { my $workbook = Excel::Writer::XLSX->new($outputfile) or die $!; my $worksheet = $workbook->add_worksheet(); for my $row (0 .. $#header) { $worksheet->write(0, $row, $header[$row]); } my $row = 0; for my $kdnr (sort {$a <=> $b} keys %{$alldataHR}) { for my $entry (keys %{$alldataHR->{$kdnr}}) { $row++; $worksheet->write($row, 0, $kdnr); for my $col (1 .. @{$alldataHR->{$kdnr}->{$entry}}) { my $val = $alldataHR->{$kdnr}->{$entry}->[$col-1]; $val = decode('utf-8',$val); $worksheet->write($row, $col, $val); } } } } elsif ($filetype eq 'csv') { open my $csvFH, ">", $outputfile; print $csvFH (join ";", @header); for my $kdnr (sort {$a <=> $b} keys %{$alldataHR}) { for my $entry (keys %{$alldataHR->{$kdnr}}) { print $csvFH "\n" . (join ";", ($kdnr, @{$alldataHR->{$kdnr}->{$entry}})); } } } print "All data written to output file $outputfile in " . (tv_interval( $t0 )) . " seconds\n"; } Output auf meinem Laptop (Win7, 64Bit, 2,9GHz Intel i7, 16 GB RAM): Als xlsx: Code: (dl
)
1 ... Creating address file black_perl_adr.xlsx ... Der Arbeitsspeicher-Verbrauch geht dabei zwischenzeitlich bis über 10 GB. Also schon eine anspruchsvolle Aufgabe für den Rechner, zwar deutlich schneller als die von OP genannten 6 Stunden, aber doch viel, viel langsamer als die reine csv-Verarbeitung: Code: (dl
)
1 ... Creating address file black_perl_adr.csv ... Arbeitsspeicherverbrauch in der Spitze um 68 MB. Vermutlich geht es also tatsächlich schneller, wenn man die csv-Dateien aus Excel von Hand exportiert (nehmen wir mal an, es gibt keine Konvertierungsprobleme), diese dann wie oben verarbeitet und am Ende wieder das resultierende csv von Hand in Excel einliest. Gut, dass ich nicht gewettet habe. Oder ist das Script (im xlsx-Teil) schlecht programmiert? (Oder vielleicht sollte man sich auch mal andere XLSX-Module ansehen.) Grüße payx |