wps-data-clean表格数据清洗。清理表格中的格式问题，如手机号、身份证、日期格式不统一， 去除多余空格和重复行，支持中国特色数据格式。 用于帮助用户清洗修复表格数据。当用户提到数据清洗、去重、格式统一时触发。 Spreadsheet data cleaning tool.
Independent GitHub snapshot · Automated classification · Original documentation governs
一键清洗杂乱的表格数据，让脏数据变成可用数据。
wps-formulawps-pivotwps-chart| 操作 | 说明 | 适用场景 |
|---|---|---|
| 去重 | 按指定列删除重复行 | 导入数据有重复记录 |
| 去空行 | 删除全空行或指定列为空的行 | 数据中间有空行 |
| 去空格 | 去除首尾空格、多余空格 | 文本前后有隐藏空格 |
| 去特殊字符 | 清除不可见字符、换行符 | 从网页/PDF复制的数据 |
| 统一大小写 | 全大写/全小写/首字母大写 | 英文数据不统一 |
| 繁简转换 | 繁体中文→简体中文 | 港台数据导入 |
| 数据类型 | 清洗规则 | 示例 |
|---|---|---|
| 手机号 | 去空格/横杠，补+86，验证11位 | 138-1234-5678 → 13812345678 |
| 身份证号 | 去空格，验证18/15位，校验末位 | 110101 1990 0101 001X → 11010119900101001X |
| 日期 | 统一为 YYYY-MM-DD 或 YYYY年M月D日 | 2024/3/5 2024.03.05 → 2024-03-05 |
| 金额 | 去逗号/¥/元，统一为数值 | ¥1,234.56元 → 1234.56 |
| 性别 | 统一为 男/女 | M/F male/female 1/0 → 男/女 |
| 省市区 | 补全省市区层级 | 朝阳区 → 北京市朝阳区 |
| 姓名 | 去空格，去称呼后缀 | 张 三先生 → 张三 |
| 邮箱 | 去空格，转小写，验证格式 | ABC@Gmail.COM → abc@gmail.com |
| 操作 | 说明 |
|---|---|
| 拆分列 | 一列拆多列（如姓名→姓+名，地址→省+市+区） |
| 合并列 | 多列合一列（如姓+名→姓名） |
| 取消合并单元格 | 合并单元格→填充每个子单元格 |
| 转置 | 行列互换 |
| 宽表转长表 | 多列月份→日期+值的两列 |
| 长表转宽表 | 日期+值→多列月份 |
如果用户提供了文件：
pip install openpyxl 2>/dev/null || pip3 install openpyxl 2>/dev/null
读取文件并输出数据诊断报告：
📊 数据诊断报告
═══════════════════════════════════
文件：[文件名]
工作表：[Sheet名]
行数：[X] 行（含表头）
列数：[X] 列
🔍 发现的问题：
┌─────────────────────────────────┐
│ ⚠️ 重复行：XX 行（占比 XX%） │
│ ⚠️ 空行：XX 行 │
│ ⚠️ A列有 XX 个空值 │
│ ⚠️ B列(手机号)格式不统一：XX 个 │
│ ⚠️ C列(日期)格式混乱：XX 个 │
│ ✅ D列(金额)格式正常 │
└─────────────────────────────────┘
📋 建议清洗操作：
1. 删除 XX 行完全重复数据
2. 删除 XX 行空行
3. 标准化手机号为11位数字
4. 统一日期格式为 YYYY-MM-DD
向用户展示诊断报告，确认要执行的清洗操作。
根据场景选择技术路线：
| 场景 | 技术路线 | 输出 |
|---|---|---|
| 有 .xlsx 文件在磁盘上 | openpyxl脚本 | 清洗后的新 .xlsx 文件 |
| 用户在WPS中打开了表格 | JSA宏 | 粘贴到WPS宏编辑器运行 |
| 仅描述需求，无文件 | JSA宏模板 | .js文件供用户使用 |
openpyxl 清洗脚本模式：
import openpyxl
import re
from copy import copy
def clean_spreadsheet(input_path, output_path=None):
wb = openpyxl.load_workbook(input_path)
ws = wb.active
if not output_path:
output_path = input_path.replace('.xlsx', '_cleaned.xlsx')
stats = {'removed_duplicates': 0, 'removed_blanks': 0,
'fixed_phones': 0, 'fixed_dates': 0}
# === 去重 ===
seen = set()
rows_to_delete = []
for row_idx in range(2, ws.max_row + 1): # 跳过表头
row_data = tuple(ws.cell(row=row_idx, column=c).value
for c in range(1, ws.max_column + 1))
if row_data in seen:
rows_to_delete.append(row_idx)
stats['removed_duplicates'] += 1
else:
seen.add(row_data)
# 从后往前删除（避免索引偏移）
for row_idx in reversed(rows_to_delete):
ws.delete_rows(row_idx)
# === 去空行 ===
rows_to_delete = []
for row_idx in range(2, ws.max_row + 1):
if all(ws.cell(row=row_idx, column=c).value is None
for c in range(1, ws.max_column + 1)):
rows_to_delete.append(row_idx)
stats['removed_blanks'] += 1
for row_idx in reversed(rows_to_delete):
ws.delete_rows(row_idx)
# === 清洗各列 ===
# 根据实际列内容动态清洗
wb.save(output_path)
return output_path, stats
手机号标准化函数：
def clean_phone(value):
"""标准化中国大陆手机号"""
if value is None:
return value
s = re.sub(r'[\s\-\+\(\)（）]', '', str(value))
s = re.sub(r'^86', '', s)
s = re.sub(r'^\+86', '', s)
if re.match(r'^1[3-9]\d{9}#x27;, s):
return s
return str(value) # 无法识别的保留原值
身份证号标准化函数：
def clean_id_card(value):
"""标准化身份证号"""
if value is None:
return value
s = re.sub(r'\s', '', str(value)).upper()
if re.match(r'^\d{17}[\dX]#x27;, s):
return s
if re.match(r'^\d{15}#x27;, s):
return s # 一代身份证
return str(value)
日期标准化函数：
def clean_date(value, output_format='%Y-%m-%d'):
"""统一日期格式"""
if value is None:
return value
if isinstance(value, datetime):
return value.strftime(output_format)
s = str(value).strip()
formats = [
'%Y-%m-%d', '%Y/%m/%d', '%Y.%m.%d',
'%Y年%m月%d日', '%d/%m/%Y', '%m/%d/%Y',
'%Y%m%d', '%d-%m-%Y',
]
for fmt in formats:
try:
return datetime.strptime(s, fmt).strftime(output_format)
except ValueError:
continue
return s # 无法解析的保留原值
✅ 清洗完成！
═══════════════════════════════════
输入文件：data.xlsx（1000行）
输出文件：data_cleaned.xlsx（856行）
📊 清洗统计：
🗑️ 删除重复行：89 行
🗑️ 删除空行：55 行
📱 修复手机号：123 个
📅 修复日期格式：67 个
✂️ 去除首尾空格：234 个
⚠️ 请用WPS打开 data_cleaned.xlsx 确认结果
# 清洗指定文件
/wps-data-clean 清洗 sales_data.xlsx，去重并标准化手机号
# 生成清洗宏（在WPS中运行）
/wps-data-clean 写一个JSA宏，去除当前表格中的所有空行和重复行
# 描述需求
/wps-data-clean 我有一个客户表，手机号格式混乱（有的带横杠有的带+86），帮我统一
中国数据格式标准见 reference/cn-data-formats.md。