在下在做数据分析时，原始数据是excel格式的，导入hive表时将其转化为txt格式。

excel文件转txt格式的步骤如下：

1.打开另存为

2.选择txt格式保存

3.打开转成的txt将编码修改为UTF-8

在往hive表中导入数据时常常以换行符‘\n’来分割条数据。然而有时因为数据格式不够标准，即excel单元格中存在着换行符情况。例子如下：

在这个表格中，B3，B4单元格都存在这换行符。如果将其导入到hive中，查询得到的结果将是这样：

姓名 与宝宝的关系

王宝强 宝宝本人

马蓉 "曾经是宝宝的宝宝

现在是宝宝的前妻"

宋喆 "曾经是宝宝的经纪人

现在是宝宝曾经的宝宝的宝宝"

与我们预先想得到的不一样

姓名 与宝宝的关系

王宝强 宝宝本人

马蓉 曾经是宝宝的宝宝 现在是宝宝的前妻

宋喆 曾经是宝宝的经纪人 现在是宝宝曾经的宝宝的宝宝

因此尝试使用python编写脚本来处理问题。开始尝试使用正则表达式进行处理。后面找到了更简便的办法，使用xlrd包对excel文件进行处理。使用pip install xlrd可以安装该包。

下面的代码读取每一个单元格并将其中内容转化为字符串格式(默认为float格式，因此原本的整数可以转化为int去除小数点在转化为字符串)，去除字符串中的换行符，将数据直接存储到txt文件中，编码格式为utf-8。

废话不说上代码：

# coding: utf-8

# author: turbob00st version:1.0

'''

usage：python version 3 python脚本与excel文件放在同一路径，cmd输入：py -3 excel2txt.py

清除excel表格中的单元格换行符，并转化为txt格式文件，可以直接导入hive表

'''

import xlrd #导入处理excel文件的包，可以使用pip安装

file = input("输入需要处理的文件名(包含.xls,.xlsx)：")

filename = file.split('xls')[0] + 'txt' #定义输出文件名

xls2txt = open(filename,'w',encoding ='utf-8') #创建写入的文件

data = xlrd.open_workbook(file) #打开excel表格

table = data.sheets()[0] #读取第一个sheet

rows = table.nrows #excel文件的行数

cols = table.ncols #ecel文件的列数

for rownum in range(0,rows): #读取行

for colnum in range(0,cols): #读取列

celldata = table.cell(rownum,colnum).value #读取单元格数据，数据格式为float，下面判断将整数数据转化为int

if type(celldata) == float:

if int(celldata) == celldata:

celldata = int(celldata)

celldata = str(celldata) #将数据转化为字符串，再对其中的换行符进行处理

celldata = celldata.replace('\n',' ') #使用python中字符串函数替换换行符为空格

xls2txt.write(celldata +'\t') #单行中的数据用tab分隔符分离

xls2txt.write('\n') #每行之间使用换行符

print('清洗完毕')

xls2txt.close() #重要，防止内存溢出

总结：该代码可以实现将excel表格标准化并转化为UTF-8的txt文件，方便导入数据库。