【办公类-112-03】20250904儿童基本情况登记+户籍+去重居委会+正则去重重复字段（运用deepseek的Python编程，实现excle数据匹配和提取判断）

背景需求：

前期制作了一个包含户籍地址的、去掉“学校附近居委会”、简单去重地址重复内容的代码。

【办公类-112-02】20250831儿童基本情况登记+户籍+去重居委会（运用deepseek的Python编程，实现excle数据匹配和提取判断）-CSDN博客文章浏览阅读585次，点赞16次，收藏9次。【办公类-112-02】20250831儿童基本情况登记+户籍+去重居委会（运用deepseek的Python编程，实现excle数据匹配和提取判断）https://blog.csdn.net/reasonsummer/article/details/151049988?sharetype=blogdetail&sharerId=151049988&sharerefer=PC&sharesource=reasonsummer&spm=1011.2480.3001.8118

但是有一个问题：

虽然通过列出学校附近居委会的列表，把附近的居住地址和户籍地址去掉了居委会，但外地、外区的地址太多了，一个个挑选出来做列表，太费事了。

所以我还是希望

设计过程

0、下载园园通里三个园区的所有班级孩子的信息

1、三个表合并成一个表

'''
2025082520250825_2025_学年出入所（园）儿童基本情况登记  表一空  01
1、下载园园通三个园区名册.xls,把名册合并在一起
2、部分插班生信息手动添加
deepseek，阿夏
20250904
'''

import pandas as pd
import os
import re

def merge_and_format_excel():
    # 定义文件路径
    path = r'C:\Users\jg2yXRZ\OneDrive\桌面\20250825_2025_学年出入所（园）儿童基本情况登记  表一空'
    folder_path = path + r"\园园通下载"
    output_path = path + r'\01（所有班级）园园通信息合并.xlsx'
    
    # 获取文件夹中的所有Excel文件
    excel_files = [f for f in os.listdir(folder_path) if f.endswith(('.xlsx', '.xls'))]
    
    if len(excel_files) < 2:
        print("234文件夹中Excel文件数量不足2个")
        return
    
    # 读取所有Excel文件
    dfs = []
    for file in excel_files[:2]:  # 只处理前两个文件
        file_path = os.path.join(folder_path, file)
        df = pd.read_excel(file_path)
        dfs.append(df)
        print(f"已读取文件: {file}")
    
    # 合并数据
    merged_df = pd.concat(dfs, ignore_index=True)
    
    # 格式化班级列（处理所有班级类型）
    def format_class_name(class_name):
        if pd.isna(class_name):
            return class_name
        
        class_str = str(class_name)
        
        # 定义班级类型和对应的前缀
        class_types = {
            '托班': '托', '托': '托',
            '小班': '小', '小': '小', 
            '中班': '中', '中': '中',
            '大班': '大', '大': '大'
        }
        
        # 中文数字到阿拉伯数字的映射
        chinese_to_arabic = {
            '一': '1', '二': '2', '三': '3', '四': '4', '五': '5',
            '六': '6', '七': '7', '八': '8', '九': '9', '十': '10',
            '1': '1', '2': '2', '3': '3', '4': '4', '5': '5',
            '6': '6', '7': '