121 lines
5.7 KiB
Markdown
121 lines
5.7 KiB
Markdown
# Node 与 Python 处理 Excel 能力对照
|
||
|
||
针对当前项目（财报 Excel 解析、按配置重组、转亿、多 Sheet 输出），逐项对照：**你要实现的功能 Node 是否都支持**。
|
||
|
||
---
|
||
|
||
## 一、当前 Python 用到的能力
|
||
|
||
| 能力 | 当前实现（Python） | Node 是否支持 | 说明 |
|
||
|------|--------------------|---------------|------|
|
||
| 读 .xlsx | pandas + openpyxl | ✅ 支持 | exceljs / xlsx 都支持 |
|
||
| 读 .xls | pandas | ⚠️ 部分 | 见下文「.xls」 |
|
||
| 读 .csv (UTF-8) | pandas read_csv | ✅ 支持 | fs + 按行解析，或 csv-parse / xlsx 读 csv |
|
||
| 按行、按列访问 | df.iloc[i], df.iloc[:, 0] | ✅ 支持 | 工作表 = 二维数组或按行遍历 |
|
||
| 按第一列匹配行 | first_col == item_name / str.strip() | ✅ 支持 | 数组 find/filter，字符串 trim |
|
||
| 数字解析 | 去 `=`、逗号、空格，科学计数法 | ✅ 支持 | JS 的 Number/parseFloat 完全够用 |
|
||
| 转「亿」、保留 2 位小数 | / 1e8, round(_, 2) | ✅ 支持 | 普通算术 + toFixed/round |
|
||
| 多 Sheet 写入 | pd.ExcelWriter, sheet_name= | ✅ 支持 | exceljs 多 worksheet，xlsx 多 sheet |
|
||
| 无表头写入 | header=False | ✅ 支持 | 按行写入，不写 header 即可 |
|
||
| 按配置过滤行/列 | rows_to_delete, columns_to_keep | ✅ 支持 | 数组 filter / 列索引过滤 |
|
||
|
||
结论：**除「.xls 老格式」需单独处理外，你要实现的功能 Node 都支持。**
|
||
|
||
---
|
||
|
||
## 二、推荐库与用法摘要
|
||
|
||
### 1. Excel 读写：exceljs（推荐）
|
||
|
||
- **读**：`workbook.xlsx.readFile(path)` → `workbook.getWorksheet(1)` 或按名称 → `worksheet.eachRow` / `row.getCell(j).value`
|
||
- **写**：`workbook.addWorksheet('资产负债表')` → `worksheet.addRow([...])`，可多次 addRow 实现「无表头」、多 Sheet
|
||
- **格式**：主要支持 .xlsx；公式会得到计算后的值（与你当前用 pandas 读到的行为一致）
|
||
- **中文/UTF-8**：无问题
|
||
|
||
```bash
|
||
npm i exceljs
|
||
```
|
||
|
||
### 2. 备选：xlsx（SheetJS）
|
||
|
||
- **读**：`XLSX.readFile(path)` → `workbook.Sheets[sheetName]` → `XLSX.utils.sheet_to_json(sheet, { header: 1 })` 得到「二维数组」，和你现在按 iloc 按行按列访问等价
|
||
- **写**：`XLSX.utils.aoa_to_sheet(rows)`，再 `XLSX.utils.book_append_sheet(workbook, sheet, '资产负债表')`，最后 `XLSX.writeFile(workbook, path)`
|
||
- 社区版对 .xls 有一定支持（视构建而定）；若主要用 .xlsx，exceljs 更易做「按行按格」的细粒度控制
|
||
|
||
### 3. CSV
|
||
|
||
- 用 `fs.readFileSync(path, 'utf-8')` + 按行 split + 按逗号/分隔符解析即可
|
||
- 或 `csv-parse`、或直接用 xlsx 读 csv 得到二维数组
|
||
|
||
### 4. 数据处理（替代 pandas）
|
||
|
||
- 不需要 DataFrame：当前脚本本质是「按第一列找行、按列做汇总、按配置过滤、组装新行」
|
||
- 用普通数组即可：`rows.find(r => String(r[0]).trim() === itemName)`、`rows.filter(...)`、`colValues.reduce((a, b) => a + safeFloat(b), 0)`、`resultRows.push([...])`
|
||
- 不需要额外「数据分析」库
|
||
|
||
---
|
||
|
||
## 三、你关心的几个点
|
||
|
||
### 1. 「按第一列找行」在 Node 里怎么写？
|
||
|
||
和 Python 逻辑一致：把当前 Sheet 读成「行的数组」，每行是「单元格值数组」，用第一列匹配。
|
||
|
||
```js
|
||
// 读成二维数组后
|
||
function findRowByItemName(rows, itemName) {
|
||
const t = itemName.trim();
|
||
return rows.find(r => String(r[0] || '').trim() === t);
|
||
}
|
||
```
|
||
|
||
### 2. 数字格式：等号、逗号、科学计数法
|
||
|
||
你现在的 `safe_float_convert` / `convert_to_yi` 在 Node 里用一段小函数即可等价实现：
|
||
|
||
```js
|
||
function safeFloat(value) {
|
||
if (value == null || value === '') return 0;
|
||
let s = String(value).trim();
|
||
if (s.startsWith('=')) s = s.slice(1);
|
||
s = s.replace(/,|，|\s/g, '');
|
||
if (!s || s.toLowerCase() === 'nan') return 0;
|
||
const n = parseFloat(s);
|
||
return Number.isFinite(n) ? n : 0;
|
||
}
|
||
```
|
||
|
||
科学计数法（如 `2.07327E+12`）`parseFloat` 直接支持。
|
||
|
||
### 3. 多 Sheet 合并输出（main.py 的 merge_to_excel）
|
||
|
||
exceljs 示例：
|
||
|
||
```js
|
||
const ExcelJS = require('exceljs');
|
||
const wb = new ExcelJS.Workbook();
|
||
const ws1 = wb.addWorksheet('资产负债表');
|
||
const ws2 = wb.addWorksheet('利润表');
|
||
balanceSheetRows.forEach(row => ws1.addRow(row)); // 无表头就连续 addRow
|
||
incomeStatementRows.forEach(row => ws2.addRow(row));
|
||
await wb.xlsx.writeFile(outputPath);
|
||
```
|
||
|
||
### 4. .xls（老格式）
|
||
|
||
- **exceljs**：只支持 .xlsx，不直接支持 .xls。
|
||
- **xlsx (SheetJS)**：部分版本/配置可读 .xls，但不如 .xlsx 稳定。
|
||
- 建议：若数据源仍会提供 .xls，要么在 Node 里用专门库（如 `xls` 等）只做「读成二维数组」再交给现有逻辑，要么在上传前用 Excel/脚本统一转成 .xlsx 再处理。对你当前「下载后上传到 Web」的流程，要求用户上传 .xlsx 或在后端用工具转一次，通常可接受。
|
||
|
||
---
|
||
|
||
## 四、小结
|
||
|
||
| 问题 | 结论 |
|
||
|------|------|
|
||
| Node 能否完成你现在的 Excel 处理？ | **能**。读 xlsx/csv、按行按列查找、数字清洗、转亿、多 Sheet 写出，都有对应库和写法。 |
|
||
| 是否不如 Python 稳？ | 对**这类**场景（报表级数据、几千行以内）：Node + exceljs 足够稳；Python 优势在「超大数据、复杂统计、科学计算」，你当前用到的只是基础读写与简单运算。 |
|
||
| 推荐方案 | **exceljs** 做主读写；数据处理用普通 JS 数组；CSV 用 fs + 解析或 csv-parse；.xls 单独处理或要求 .xlsx。 |
|
||
|
||
你更熟 Node 的话，用 Node 实现当前功能没有问题；若后面遇到具体文件解析异常（例如某个下载站的 xlsx 格式略怪），再针对该格式微调即可。
|