仪器原始数据要导成 Excel,找了半天没有能批量跑的脚本

BASE = Path(__file__).resolve().parentRAW_DIR = BASE / "01_raw_data" / "仪器导出"OUT_DIR = BASE / "02_output"OUT_FILE = OUT_DIR / "仪器原始数据汇总_20261024.xlsx"LOG_FILE = BASE / "source" / "run_log.txt"# 仪器工作站吐出来的文本编码五花八门：新版写 UTF-8、老版写 GBK，先按顺序试ENC_CANDIDATES = ("utf-8-sig", "utf-8", "gbk", "latin-1")# 同一台仪器不同版本、不同厂家的字段名写法不一，先归一成我们认的三个META_ALIASES = {    "仪器型号": ("仪器型号", "仪器", "Instrument", "instrument"),    "采集时间": ("采集时间", "采集日期", "Acquired", "acquired"),    "操作员": ("操作员", "检验员", "Operator", "operator"),}MISSING = "（文件未提供）"HEAD_FILES = ["文件名", "编码", "仪器型号", "采集时间", "操作员", "段数", "数据行", "状态", "备注"]HEAD_DATA = ["来源文件", "数据段", "原始行号", "记录号", "字段名", "原始值", "数值", "类型", "备注"]

SECTION_RE = re.compile(r"^\[(.+?)\]")def read_text(path):    """按编码候选逐个试，返回（文本, 实际用到的编码）。"""    raw = path.read_bytes()    for enc in ENC_CANDIDATES:        try:            return raw.decode(enc), enc        except UnicodeDecodeError:            continue    return raw.decode("latin-1", "replace"), "latin-1(兜底)"def norm_key(key):    """把字段名归一：去空格、去下划线、查别名表；认不出就返回 None。"""    k = key.strip().replace(" ", "").replace("_", "")    for std, aliases in META_ALIASES.items():        if k in aliases:            return std    return Nonedef split_file(text):    """切成「元数据字典 + 段落列表」，每行都带自己的原始行号。"""    meta, sections, cur = {}, [], None    for no, line in enumerate(text.splitlines(), 1):        s = line.strip()        m = SECTION_RE.match(s)        if m:                                  # 段标题行，如 [峰表]            cur = {"name": m.group(1).strip(), "start": no, "lines": []}            sections.append(cur)            continue        if cur is None:                        # 段之前的部分才算元数据            mm = META_RE.match(s)            if mm:                key = norm_key(mm.group(1))                if key:                    meta[key] = mm.group(2).strip()        else:            cur["lines"].append((no, s))    return meta, sections

def split_cells(line):    """一行切成字段：制表符优先，其次逗号，最后当两个以上空格是分隔符。"""    if "\t" in line:        return [c.strip() for c in line.split("\t")]    if "," in line:        return [c.strip() for c in line.split(",")]    return [c.strip() for c in re.split(r"\s{2,}", line)]def parse_section(sec):    """段内第一行是表头，其余是数据；表头重复出现（打印分页）要跳过，不能当数据。"""    lines = [(no, s) for no, s in sec["lines"] if s]    if not lines:        return {"fields": [], "rows": []}, 0    fields = split_cells(lines[0][1])    rows, dup = [], 0    for no, s in lines[1:]:        cells = split_cells(s)        if cells == fields:            dup += 1            continue        if len(cells) < len(fields):           # 尾部空列被吃掉，补回来对齐            cells = cells + [""] * (len(fields) - len(cells))        rows.append((no, cells[:len(fields)]))    return {"fields": fields, "rows": rows}, dup

ZERO_LEAD_RE = re.compile(r"^0\d+$")UNIT_RE = re.compile(r"^\d+(\.\d+)?\s*[A-Za-z%℃]+")BLANK_MARKS = ("", "-", "—", "N/A", "NA", "nd", "ND")def classify_value(raw):    """返回（类型, 数值或 None, 备注）。判不了的绝不硬转，宁可留原始值。"""    s = raw.strip()    if s in BLANK_MARKS:        return "空值", None, "空值或未检出标记"    if s[0] in "<>≥≤":        return "限值", None, "限值写法，原样保留"    if ZERO_LEAD_RE.match(s):        return "文本", None, "前导零，按文本存"    try:        return "数值", float(s), ""    except ValueError:        if UNIT_RE.match(s):            return "文本", None, "带单位，未拆列"        return "文本", None, "非数值"def make_rows(fname, meta, sections):    """把一份文件的所有段摊成一张长表的行，字段名单独占一列；顺带数出记录行数。"""    out, warnings, n_rec = [], [], 0    for sec in sections:        parsed, dup = parse_section(sec)        if not parsed["fields"]:            warnings.append(f"段[{sec['name']}]没有表头")            continue        if not parsed["rows"]:            warnings.append(f"段[{sec['name']}]只有表头没有数据")        if dup:            warnings.append(f"段[{sec['name']}]跳过重复表头 {dup} 行")        for rec_no, (line_no, cells) in enumerate(parsed["rows"], 1):            n_rec += 1            for field, raw in zip(parsed["fields"], cells):                kind, num, note = classify_value(raw)                out.append([fname, sec["name"], line_no, rec_no, field, raw, num, kind, note])    return out, warnings, n_rec

def write_book(files, rows):    wb = Workbook()    ws = wb.active    ws.title = "文件清单"    ws.append(HEAD_FILES)    for f in files:        ws.append([f["name"], f["enc"], f["meta"].get("仪器型号", MISSING),                   f["meta"].get("采集时间", MISSING), f["meta"].get("操作员", MISSING),                   f["sections"], f["records"], f["status"], f["note"]])    ws2 = wb.create_sheet("数据")    ws2.append(HEAD_DATA)    for r in rows:        ws2.append(r)

    books = list(ws.iter_rows(min_row=2, values_only=True))    data = list(ws2.iter_rows(min_row=2, values_only=True))    ok = True    ok &= check(len(books) == 6, "文件清单 6 个文件", f"实际 {len(books)}")

文件 6 个，纳入 5，挂起 1记录 1519 行，长表 4569 行 → 仪器原始数据汇总_20261024.xlsxOK   批号 0010 保住前导零  '0010'OK   科学计数法原始值与数值并存  1.235E+05 → 123500OK   限值写法不硬转数值OK   带单位的值留原文OK   原始行号能定位回原文第 8 行判定：PASS