📊 FlattenExcel

FlattenExcel 是一个用于批量处理结构化 Excel 报表的工具，能够自动清洗、标准化表格内容，并将其转换为类似 RAGFlow 中经过 table 方法分块解析后的 index-content 结构文本，方便用于如 FastGPT 、Dify等知识库的构建任务。

---

✅ 项目亮点

• 自动识别 Excel 文件中的表格区域（兼容 .xlsx 和 .xls）
• 清洗与标准化表格：填充合并单元格、移除空列、重复列及噪音行
• 拆分单个 Excel 文件中的多个独立表格，支持多 sheet 处理
• 支持将多列信息拼接为单列 content 字符串（用于 RAG）
• 自动导出为 index-content 格式 CSV，适合文本向量化与知识库构建
• 支持 CLI 一键处理整个目录下所有文件（递归子目录）

---

📁 项目结构

flatten_excel/
├── core/                    # 核心模块（表格处理、清洗、拼接等）
│   ├── table_utils.py
│   ├── xlsx_handler.py
│   ├── xls_handler.py
│   ├── postprocess.py
│   └── collapsed_column.py
│
├── main.py                  # 主入口脚本
├── requirements.txt
├── README.md
└── example_data/     

---

📦 安装依赖

建议使用 Python 3.10 环境：

pip install -r requirements.txt

---

🚀 快速开始

Step 1: 准备 Excel 文件

将你的 .xlsx 或 .xls 报表放入项目根目录下的 待处理/ 文件夹（支持递归子目录）。

Step 2: 执行处理流程

python main.py

Step 3: 查看输出结果

处理后的文件将保存至 已处理/ 目录：

• 清洗后的标准 Excel 表格（无合并单元格，表头规范）

• 生成的 index-content 格式 .csv 文件，命名规则：

  [原始文件名]_表N_合并列.csv
  

---

🧪 样例演示

输入示例（Excel 表格部分）：

财务报表
部门	项目	金额
市场部	宣传费	10000
市场部	差旅费	8000
销售部	差旅费	6000

清洗后的 DataFrame：

财务报表	部门	项目	金额
财务报表	市场部	宣传费	10000
财务报表	市场部	差旅费	8000
财务报表	销售部	差旅费	6000

转换输出（index-content CSV）：

index	content
财务报表；部门：市场部；项目：宣传费；金额：10000
财务报表；部门：市场部；项目：差旅费；金额：8000
财务报表；部门：销售部；项目：差旅费；金额：6000

---

🧠 应用场景

• 企业文档结构化知识库构建
• 面向文本向量化的内容预处理（RAG / FastGPT / LangChain 等）
• 多表合并、数据迁移前的预清洗与规范化
• 自动化报表标准化和归一化内容生成

---

🛠 依赖列表

主要依赖（详见 requirements.txt）：

• pandas==2.1.4
• openpyxl==3.1.2
• xlrd==1.2.0
• numpy==1.26.4

---

📮 联系与反馈

欢迎通过 issue 或 PR 贡献功能与优化！ 企业定制需求请联系作者团队，支持模板适配和集成扩展。

---

⭐ 我是乞丐

如您觉得脚本好用的话，还劳烦点亮小星星~

---