色々と方法はあるでしょうが、データ構造の入れ子的な部分を探し、それを引数にすると解り易い再帰関数になるかなと思います。
質問のケースですと、キーの値となる部分が表の全体の構造と同じで、再帰的な構造になっています。下の画像では、その内の一部、k8
の値と k10
の値をハイライトしています。それぞれ全体と同じアルゴリズムで処理できるはずです。
ですから、表の一部を引数で受けとる関数により、再帰的に処理できます。
私は openpyxl
は良く知らず、表の部分を表現するスマートな方法が解りませんので、下のコードでは、開始行、最終行、開始列、最終列、を数値で受けとっています。また、テストなど行なっていませんので、参考までに留めて下さい。
import json
from openpyxl import Workbook
wb = Workbook()
ws = wb.active
data = [
# 1 2 3 4 5 6
["k1", None, None, None, None, None], # 1
[None, "k2", None, None, None, None], # 2
[None, None, "k3", None, None, "v3"], # 3
[None, "k4", None, None, None, "v4"], # 4
[None, "k5", None, None, None, None], # 5
[None, None, "k6", None, None, "v9"], # 6
["k7", None, None, None, None, "v7"], # 7
["k8", None, None, None, None, None], # 8
[None, "k9", None, None, None, "v9"], # 9
[None, "k10", None, None, None, None], # 10
[None, None, "k11", None, None, None], # 11
[None, None, None, "k12", None, "v12"], # 12
[None, None, None, "k13", None, "v13"], # 13
[None, None, "k14", None, None, "k14"], # 14
[None, "k15", None, None, None, None], # 15
[None, None, "k16", None, None, "v16"], # 16
["k17", None, None, None, None, "v17"], # 17
["k18", None, None, None, None, None], # 18
[None, "k19", None, None, None, "v19"], # 19
]
for row in data:
ws.append(row)
def cell_range_to_dic(ws, row_first, row_last, column_first, column_last, depth=0):
indent = " " * depth * 4
print(f"{indent}-- cell_range_to_dic --")
print(f"{indent}{row_first=} {row_last=} {column_first=} {column_last=} {depth=}")
result = {}
row = row_first
# 左端に存在するキー毎にループする
while row <= row_last:
# キーは左端のセル
key = ws.cell(row, column_first).value
if key == None:
raise ValueError(f"キー用のセルが空です: {row=}, {column_first=}")
print(f"{indent}{key=}")
# 右端のセルに値が有るかも知れない
value_or_none = ws.cell(row, column_last).value
# 次のループでは次のキーを扱う
row += 1
if value_or_none != None:
# 右端のセルが値だった
value = value_or_none
else:
# 後続行に含まれる再帰的構造が値だった
# 次のキーまで読み飛ばす
child_row_first = row
while ws.cell(row, column_first).value == None and row <= row_last:
row += 1
# 読み飛ばした部分を再帰呼び出しで計算し、値とする
value = cell_range_to_dic(
ws, child_row_first, row - 1, column_first + 1, column_last, depth + 1)
print(f"{indent}{value=}")
result[key] = value
return result
out_data = cell_range_to_dic(ws, 1, 19, 1, 6)
print("\n-- 結果 --\n")
print(json.dumps(out_data, sort_keys=False, indent=4))
openpyxl
はExcelファイルをExcelファイルのまま取り扱うのに適している感じなので、使うのはpandas
の方が良いのでは?