今天给大家介绍一个Python+Excel的实战项目，非常有趣。
主要使用xlwings和requests这两个Python库，以及Office的Excel。
xlwings处理表格，requests则是请求数据。
先从Excel中获取城市信息，然后请求接口，获取到天气信息，再返回给Excel。
在城市栏输入杭州，点击查询按钮，表格的数据就会发生变化，的确是杭州的天气预报。
① 数据获取
既然是天气预报，那肯定是需要天气数据的。
找了一圈国内开放的天气API接口，大多都是需要注册，小F果断放弃。
腾讯倒是有个不错的，可惜接口信息不太完整，没有相应的数据说明。
地址：https://tianqi.qq.com/
接口地址：https://wis.qq.com/weather/common
最终选择了一个国外的天气API接口。
地址：https://www.metaweather.com/zh/
并没有提供国内所有的城市，目前只有10个城市。
所以要想城市多一些，腾讯的天气接口还是可以考虑的。
一共是有10种天气状态，并且提供了相关的天气状态图片，可以供我们使用。
图片已经下载下来了，需要的小伙伴可以文末获取哦！
首先通过查询，获取城市的ID值。
然后根据ID值，再去获取对应的天气信息。
相关名称的中英文对照如下。
# 天气--中英文名对照weather = { Snow : 雪 , Sleet : 雨夹雪 , Hail : 冰雹 , Thunderstorm : 雷阵雨 , Heavy Rain : 大雨 , Light Rain : 小雨 , Showers : 阵雨 , Heavy Cloud : 阴 , Light Cloud : 多云 , Clear : 晴 }# 城市--中英文名对照citys = { 北京 : Beijing , 成都 : Chengdu , 东莞 : Dongguan , 广州 : Guangzhou , 杭州 : Hangzhou , 香港 : Hong Kong , 上海 : Shanghai , 深圳 : Shenzhen , 天津 : Tianjin , 武汉 : Wuhan }
② 创建表格
安装xlwings库，并且使用命令行创建项目。
# 安装xlwingspip install xlwings -i https://mirror.baidu.com/pypi/simple/# 命令行运行xlwings quickstart weatherapp --standalone
如此便会生成两个文件，Python和Excel文件。
其中weatherapp.py的文件内容如下。
import xlwings as xwdef main(): wb = xw.Book.caller() sheet = wb.sheets[0] if sheet["A1"].value == "Hello xlwings!": sheet["A1"].value = "Bye xlwings!" else: sheet["A1"].value = "Hello xlwings!"if __name__ == "__main__": xw.Book("weatherapp.xlsm").set_mock_caller() main()
而Excel是什么内容也没有的，打开时会提示是否启用宏，选择是。
然后需要将Excel的开发工具打开，后面会使用它插入一些元素。
上图为Mac电脑的设置，Windows电脑设置起来也很简单，具体可以百度。
通过点击开发工具选项，我们可以使用Excle的Visual Basic 编辑器(VBA)，还能插入按钮(查询按钮)。
然后我在表格中插入一个点击按钮。
选择宏名称为SampleCall，宏的位置为当前工作簿。
点击按钮1，A1单元格出现内容Hello xlwings！。
再次点击，A1单元格内容变为Bye xlwings！。
也就意味着，修改weatherapp.py文件的代码，即可实现Excel的交互操作。
下面对表格进行页面设计，毕竟要让表格好看起来。
设置表格的行高、列宽、背景色、固定文字内容等信息。
将单元格C3名称设置为city_name，插入6张太阳图片，排列在单元格C9～H9处，居中对齐，图片也改名为no.1~no.6。
修改weatherapp.py文件代码如下。
import jsonfrom pathlib import Pathimport requestsimport xlwings as xw# 天气--中英文名对照weather = { Snow : 雪 , Sleet : 雨夹雪 , Hail : 冰雹 , Thunderstorm : 雷阵雨 , Heavy Rain : 大雨 , Light Rain : 小雨 , Showers : 阵雨 , Heavy Cloud : 阴 , Light Cloud : 多云 , Clear : 晴 }# 城市--中英文名对照citys = { 北京 : Beijing , 成都 : Chengdu , 东莞 : Dongguan , 广州 : Guangzhou , 杭州 : Hangzhou , 香港 : Hong Kong , 上海 : Shanghai , 深圳 : Shenzhen , 天津 : Tianjin , 武汉 : Wuhan }def main(): # 通过runpython从excel中调用python函数 wb = xw.Book.caller() sht = wb.sheets[0] # 从Excel中读取城市信息 city_name = citys[sht.range("city_name").value] # 获取城市的ID值, 即woeid URL_CITY = f"https://www.metaweather.com/api/location/search/?query={city_name}" response_city = requests.request("GET", URL_CITY) city_title = json.loads(response_city.text)[0]["title"] city_id = json.loads(response_city.text)[0]["woeid"] # 获取城市的天气信息 URL_WEATHER = f"https://www.metaweather.com/api/location/{city_id}/" response_weather = requests.request("GET", URL_WEATHER) weather_data = json.loads(response_weather.text)["consolidated_weather"] # 创建空列表, 存储数据 min_temp = [] max_temp = [] weather_state_name = [] weather_state_abbr = [] applicable_date = [] # 处理数据 for index, day in enumerate(weather_data): # 最低温度 min_temp.append(weather_data[index]["min_temp"]) # 最高温度 max_temp.append(weather_data[index]["max_temp"]) # 天气情况 weather_state_name.append(weather[weather_data[index]["weather_state_name"]]) # 天气情况缩写 weather_state_abbr.append(weather_data[index]["weather_state_abbr"]) # 日期 applicable_date.append(weather_data[index]["applicable_date"]) # 将获取到的值填充到Excel中 sht.range("C5").value = applicable_date sht.range("C6").value = weather_state_name sht.range("C7").value = max_temp sht.range("C8").value = min_temp sht.range("D3").value = city_title # 创建列表 icon_names = ["no.1", "no.2", "no.3", "no.4", "no.5", "no.6"] # 设置天气图片路径 icon_path = Path(__file__).parent / "images" # 将天气情况与天气图片进行匹配，更新表格 for icon, abbr in zip(icon_names, weather_state_abbr): image_path = Path(icon_path, abbr + ".png") sht.pictures.add(image_path, name=icon, update=True)if __name__ == "__main__": # 设置用于调试caller()的excel文件，可以直接在python里运行 xw.Book("weatherapp.xlsm").set_mock_caller() main()
此时我们打开Excel表格，在城市栏输入10个城市中的一个，然后点击查询按钮，天气就会更新。
接下来几天，广州都是大暴雨，广州的小伙伴可要注意了～
好了，本期的分享就到此结束了，有兴趣的小伙伴可以自行去实践学习。
获取到本次使用到的代码和数据: