excel - 有没有办法为 Excel 创建 Python 或 VBA 脚本，以按列表编号顺序(大纲中的顺序)合并数据行？

Question

我目前正在启动一个项目，我需要管理大型工程和施工契约(Contract)的契约(Contract)要求。
不幸的是，所有确定的项目需求都是通过 PDF 交付的(有数千个 Reqs ......)。从那以后，我将这些 PDF 转换为 Excel 中的电子表格。我最终将使用 .CSV 文件将这些文件导入到我们的 RM 工具中。
我的问题是，所有项目要求的 PDF 都是为了便于阅读而编写的——而不是在电子表格形式中使用。每个部分都像编号列表一样编写，这很好，但我不需要将需求分解到它们的级别。
我需要采用文档的“大纲、列表编号格式”，并能够根据其部分和列表编号将子需求(下面示例中的子项)组合(连接)成行。
现在，我正在手动完成所有这些行的合并，但我不知道如何才能足够快地完成任务。
以下是从客户端查看 PDF 的示例:

第 1-1.1 节:一般
A. 承包商应先“这个”，然后“那个”。

“这个”将花费不到这么多钱

“那个”将花费更少的钱
一个。如果“那个”成本更高，则不应添加
湾。另一个选项是“这个”

B. 承包商应将“这个”命名为...

名称应使用正确的语法

C. 承包商应在 2022 年之前完成工作

第 1-2.1 节: Material
A. 承包商应使用以下三种 Material :

铝

钢

水泥
一个。水泥只能是灰色的
__一世。灰色着色必须是这种阴影
_ii.灰水泥不得失色
湾。水泥应在现场混合

第 1-2.2 节: Material 供应商
A. 铝必须由“ABC, Inc”提供
B. 钢材必须由“DEF, Inc”提供
C. 水泥必须由“GHI, Inc”提供

表 1-1:供应商联系信息
[这里的 table ]

第 1-3.1 节:景观美化
...

以下是 Excel 文档在其主要状态下的外观。请注意，我们添加了属性来支持每个需求项行，因此这些表中不仅仅是一两列:
CURRENT EXAMPLE IMAGE

| [Col A] Requirement List Item | [Col B] Requirement Text                        |
|-------------------------------|-------------------------------------------------|
| Section 1-1.1                 | General                                         |
| A.                            | The contractor shall do “this”, then “that”.    |
| 1                             | “This” will cost less than this much money      |
| 2                             | “That” will cost less than this amount of money |
| a.                            | If “that” costs more, it should not be added    |
| b.                            | Another option is “this”                        |
| B.                            | The contractor shall name “this”...             |
| 1                             | The name should use proper grammar              |
| C.                            | The contractor shall complete work before 2022  |
| Section 1-2.1                 | Materials                                       |
| A.                            | The contractor shall use these three materials: |
| 1                             | Aluminum                                        |
| 2                             | Steel                                           |
| 3                             | Cement                                          |
| a.                            | Cement should be gray only                      |
| i.                            | Gray coloring must be this shade                |
| ii.                           | Gray cement must not lose coloring              |
| b.                            | Cement should be mixed on-site                  |
| Section 1-2.2                 | Material Suppliers                              |
| A.                            | Aluminum must be supplied by “ABC, Inc”         |
| B.                            | Steel must be supplied by “DEF, Inc”            |
| C.                            | Cement must be supplied by "GHI, Inc"           |
| Table 1-1                     | [Table Here]                                    |
| Section 1-3.1                 | Landscaping                                     |
| ...                           | ...                                             |

如您所见，我目前的格式只是将每个行项目放在不同的行中，没有明确指示它是父项目还是子项目。很容易判断每个部分中存在哪些项目，但我们需要确定每个顶层包含哪些项目(级别 1 为 A、B、C、D 项目)。

最后，这是我们希望得到的最终结果。我们只想让数据行按它们的部分编号排序，然后是它们的顶级子需求(在本例中为 A、B、C、D 级):
FINAL EXAMPLE IMAGE
有没有人知道如何创建一个 Python 脚本来处理这个任务？我已经尝试了一个半星期来解决这个问题，但我似乎找不到合适的功能来使用。我查找了 Excel 函数/论坛，以及 Concat 和 Merge/TextJoin 的不同用途。
TLDR:我想获取以编号列表格式(来自 PDF)提供给我们的项目需求数据，并将其组织在 Excel 电子表格中，以仅根据部分和顶级子项数据是什么来分组/连接/合并行(请参阅上面的示例)。
感谢您提供任何帮助/建议。我真的有兴趣学习脚本编写以使我的工作更轻松，我只是不知道从哪里开始这样的事情。
这是无法完成任务的 VBA 代码。它似乎在 2-3 段数据后中断:

Sub GroupLists()
Dim startRow As Integer
Dim lastRow As Integer
Dim outputRow As Integer
outputRow = 0
Dim outputStr As String
Dim col_list As Integer
Dim col_list_str As String
Dim col_content As Integer
Dim col_content_str As String

Dim currentList As String
Dim i As Integer
Dim j As Integer

Dim parseSheet As String
Dim outputSheet As String

Dim startList As Boolean
startList = False

Dim indent As Integer
indent = 0

'regex patterns
Dim regexObject As RegExp
Set regexObject = New RegExp
Dim pattern_listHeader As String
Dim pattern_listUpAlpha As String
Dim pattern_listLowAlpha As String
Dim pattern_listNum As String
pattern_listHeader = "[\d]-"
pattern_listUpAlpha = "[A-Z]"
pattern_listLowAlpha = "[a-z]"

'configurable variables
parseSheet = "Input"
outputSheet = "Output"

col_list = 2
col_content = 3
outputRow = 1

startRow = Worksheets("Control").Cells(2, 1).Value
lastRow = Worksheets("Control").Cells(2, 2).Value

For i = startRow To lastRow
   
    col_list_str = Worksheets(parseSheet).Cells(i, col_list).Value
    col_content_str = Worksheets(parseSheet).Cells(i, col_content).Value
   
    With regexObject
        .Pattern = "^[\d]-"
    End With
   
    If regexObject.Test(col_list_str) = True Then
        If startList = True Then
            'write output to row, then write current row to output row
            Worksheets(outputSheet).Cells(outputRow, 1).Value = outputStr
            outputRow = outputRow + 1
        End If
       
        outputStr = Worksheets(parseSheet).Cells(i, col_content)
        'write to row
        Worksheets(outputSheet).Cells(outputRow, 1).Value = outputStr
        'increment row
        outputRow = outputRow + 1
        outputStr = ""
        startList = False
    End If
   
    With regexObject
        .Pattern = "^[A-Z]."
    End With
   
    If regexObject.Test(col_list_str) = True Then
        If startList = True Then
            startList = False
        Else
            startList = True
        End If
        outputStr = outputStr & col_list_str & col_content_str & vbNewLine
        'outputRow = outputRow + 1
    End If
   
    If startList = True Then
       
        With regexObject
            .Pattern = "^[a-z]."
        End With
       
        If regexObject.Test(col_list_str) = True Then
            'indent = 1
            outputStr = outputStr & col_list_str & col_content_str & vbNewLine
            'outputRow = outputRow + 1
        End If
       
        With regexObject
            .Pattern = "^[0-9]."
        End With
           
        If regexObject.Test(col_list_str) = True Then
            'indent = indent + 1
            outputStr = outputStr & col_list_str & col_content_str & vbNewLine
            'outputRow = outputRow + 1
        End If
       
       
       
    End If
   
   
   
Next i

If startList = True Then
    Worksheets(outputSheet).Cells(outputRow, 1).Value = outputStr
End If

End Sub

典型的重复如下所示。回应@Dy.Lee 的评论。

Answer 1

当我写了这么多评论时，我决定发布一个指导答案并删除我的评论，即提供一些指向一种可能的解决方案的指针。

逻辑:
我会将所有内容读入一个数组并循环其中的行。应用根据规则处理行的逻辑，例如是从章节开始吗.....
它是数组第 1 列开头的大写字母吗...是数字吗...
一个好主意可能是使用辅助函数。例如。

一个辅助函数，它将 Section 之后的大写行向下抓取到下一个大写(之前停止)并返回该文本(作为数组)。

然后将该函数返回值传递给另一个函数，该函数处理基于字母数字的缩进级别(使用适当的 Chr$())等

另一个函数调用将这些值连接成单个字符串 - 这将是与给定键关联的值。

然后用键值对更新字典。

这样，您可以创建键 A 的字典:来自最后一个辅助函数调用的关联文本，并在最后写出到工作表。
您将需要表等的附加逻辑。表将作为数组添加到字典中，键是第一列的值
最后，您可以循环并写入工作表。我认为在写出表格时需要谨慎，因为它们可能需要不止一行。在这种情况下，有一个 additional helper function计算工作表(或目标列范围)中任何位置的最后填充行，并通过将 + 1 添加到最后填充的行号来确保将下一个键:值对写到表之后。
当你写出表格时，你需要测试它的字典键是否包含'table'，或者它的值是一个数组；您需要 resize the target cell to the size of the array例如如果 dict(key) = results 那么 targetCell.Resize(UBound(results, 1), UBound(results, 2)) = results想想任何超链接(友好名称与目的地不同的地方)|额外的元数据将被传递。

提供样本数据:
我想我会建议你使用 markdown table generator提供当前数据(输入数据)以节省人们写出自己数据的时间。您可以从 Excel 粘贴到 Markdown 生成器中，按生成表，然后复制到该表的剪贴板，使用编辑插入问题。突出显示刚刚粘贴的表格，然后按 Ctrl + K 正确缩进。

正则表达式:
从我所见，不需要正则表达式。数据位于源中的单独单元格中。

标签:
我认为删除 python 标签，除非你有 python 代码要添加。

资源:

https://bettersolutions.com/vba/strings-characters/builtin-constants.htm

关于缩进的一些有用的常量

| VBA.Constants | Chr                   | Comments                                                                                                       |
|---------------|-----------------------|----------------------------------------------------------------------------------------------------------------|
| vbCr          | Chr(13)               | Carriage return character                                                                                      |
| vbLf          | Chr(10)               | Linefeed character                                                                                             |
| vbCrLf        | Chr(13) + Chr(10)     | Carriage return - linefeed combination                                                                         |
| vbNewLine     | Chr(13) + Chr(10)     | New line character                                                                                             |
| vbNullChar    | Chr(0)                | Character having a value of 0.                                                                                 |
| vbNullString  | String having value 0 | Not the same as a zero-length string (""); used for calling external procedures. Cannot be passed to any DLL's |
| vbTab         | Chr(9)                | Tab character                                                                                                  |
| vbBack        | Chr(8)                | Backspace character                                                                                            |
| vbFormFeed    | Chr(12)               | Word VBA Manual - manual page break ?                                                                          |
| vbVerticalTab | Chr(11)               | Word VBA Manual - manual line break (Shift + Enter)                                                            |

字典 -

https://docs.microsoft.com/en-us/office/vba/language/reference/user-interface-help/dictionary-object

http://www.snb-vba.eu/VBA_Dictionary_en.html

传递和返回数组 - http://www.cpearson.com/excel/passingandreturningarrays.htm

数组和范围 - http://www.cpearson.com/excel/ArraysAndRanges.aspx

类型化函数 - What's the difference between Trim() and Trim$() in VBA?回复:Chr$ v Chr。

替代方法:
如果使用数组和字典(应该很快)对您不起作用，那么关于如何分离出 block /缩进的逻辑仍然可以在工作表中的实际行上循环应用。但是，您需要根据目标范围中的最后一行来跟踪您写入的位置(您可以使用不同的 last row helper function 并传入用于确定最后填充行的列)。