Excel Monthly Splitter

执行步骤：

1. 确认输入与输出：

   • 首先向用户确认需要处理的 Excel 文件的绝对路径（或在当前上下文中找到对应的文件）。
   • 确认希望存放拆分结果的输出目录路径（若用户未指定，默认可在 Excel 同级目录下创建一个带 _split_output 后缀的文件夹）。
   • 确认批次号：询问用户是否需要指定批次号（txt文件名的最后两位，例如 04）。如果用户没有指定，从新询问用户，直到用户明确指定或明确表示不指定（告知将默认使用 04）。

2. 检查环境依赖：

   • 确保执行环境中已经安装了 pandas 和 openpyxl。你可以使用后台终端提前进行检查并安装：

     pip install pandas openpyxl
     

3. 运行拆分脚本：

   • 找到本 Skill 目录下的核心脚本文件：scripts/split_excel.py
   • 使用终端工具执行该 Python 脚本：

     python /绝对路径到本Skill目录/scripts/split_excel.py <Excel文件路径> <输出目录路径> [批次号]
     

     注意：批次号是可选的，如果不提供则脚本默认为 04。

4. 汇报与验证：

   • 脚本执行完毕后，使用 list_dir 检查输出目录，确认是否生成了按日期命名的文件夹，以及每个文件夹内对应的 *.txt 数据文件。
   • 向用户汇报处理结果，比如列出了哪些日期的文件夹，并截取其中一个文本文件（使用 view_file 或 cat）展示表头和拆分格式正确无误。

代码说明

内部自带脚本 split_excel.py 的核心逻辑如下：

• 使用 pd.read_excel(..., header=1) 遍历所有 Sheet 从第二行提取表头。
• 强制覆盖第一列属性名为 交易日期，对该列使用 pd.to_datetime(..., errors='coerce') 验证并清洗所有非日期非法数据（这些非法行将被 dropna 清除掉）。
• 剔除了非法日期行后，利用 dt.strftime('%Y%m%d') 强行格式化所有第一列内容输出如 20251106 的格式。
• 使用 df.fillna(0) 填充无数据的字段。
• 使用 df.groupby 利用已格式化完成的日期进行遍历分组，并借此建立文件夹。
• 文件命名处利用 replace('网联', '') 方法剔除原表名中的“网联”修饰词，保证输出文件的准确命名。
• 利用 .to_csv(..., sep='|', index=False) 加上首行拼接，导出带有定制头和原始表头的 txt 文件。