前言

同样也是公司任务，不清楚同事是如何弄这个任务的，还不是特别熟悉，毕竟公司也没有所谓的聚餐和郊游活动，所以目前来说，照着自己的个人性格，也不好意思去问，所以，现在给我安排的任务，同样打算用Python代码大法，一键式处理，繁琐的文件信息。

一、照样是AI代码生成

在这之前，先弄明白，自己处理文档的需求，要处理哪些内容，要处理什么东西等，明白了自己的需求后，才好给AI提要求，生成的代码才能是向着自己想要的写。例如，我是这么提要求的

帮我写一个代码，我要你帮我把表格的数据分类，要求：1、根据测试用例标识分类，例如：WSYWDTAPP_XXXS_YWJS_GN01_UC01是一个用例标识，只需要把这个部分相同的：WSYWDTAPP_XXXS_YWJS_GN01归为一类，就可以了。2、归类后放一个表格，如果有多个比如：WSYWDTAPP_XXXS_YWJS_GN01_UC01、WSYWDTAPP_XXXS_YWJS_GN01_UC02、WSYWDTAPP_XXXS_YWJS_GN01_UC03这些，那么用例最后展示为这样WSYWDTAPP_XXXS_YWJS_GN01_UC01~UC03，因为这部分WSYWDTAPP_XXXS_YWJS_GN01_是相同的，但是后面的标号UC01到UC03不一样，他们直接记得用符号“~”连接。3、测试项名称，测试用例名称就只显示一条即可，因为分类后，一个WSYWDTAPP_XXXS_YWJS_GN01_UC01~UC03这种的测试用例标识对应一条测试项名称。4、你给我一个界面让我操作，这样方便我工作。5、记得在界面上补上日志展示，这样方便我纠错和优化代码

之后生成的代码是这样的

import tkinter as tk
from tkinter import ttk, filedialog, messagebox, scrolledtext
import pandas as pd
import re
from collections import defaultdict


class TestCaseClassifier:
    def __init__(self, root):
        self.root = root
        self.root.title("测试用例分类工具")
        self.root.geometry("900x700")

        self.create_widgets()
        self.log_messages = []

    def create_widgets(self):
        # 文件选择区域
        file_frame = tk.Frame(self.root)
        file_frame.pack(pady=10, padx=10, fill=tk.X)

        tk.Label(file_frame, text="选择Excel文件:").pack(side=tk.LEFT)
        self.file_path_var = tk.StringVar()
        tk.Entry(file_frame, textvariable=self.file_path_var, width=50).pack(side=tk.LEFT, padx=5)
        tk.Button(file_frame, text="浏览", command=self.browse_file).pack(side=tk.LEFT, padx=5)
        tk.Button(file_frame, text="处理", command=self.process_data).pack(side=tk.LEFT, padx=5)

        # 数据展示区域
        data_frame = tk.Frame(self.root)
        data_frame.pack(pady=10, padx=10, fill=tk.BOTH, expand=True)

        tk.Label(data_frame, text="处理结果:").pack(anchor=tk.W)

        # 创建Treeview来展示结果
        columns = ("测试用例标识", "测试项名称", "测试用例名称")
        self.tree = ttk.Treeview(data_frame, columns=columns, show="headings", height=15)

        # 定义列标题
        for col in columns:
            self.tree.heading(col, text=col)
            self.tree.column(col, width=250)

        # 添加滚动条
        scrollbar_y = tk.Scrollbar(data_frame, orient=tk.VERTICAL, command=self.tree.yview)
        scrollbar_x = tk.Scrollbar(data_frame, orient=tk.HORIZONTAL, command=self.tree.xview)
        self.tree.configure(yscrollcommand=scrollbar_y.set, xscrollcommand=scrollbar_x.set)

        # 布局
        self.tree.pack(side=tk.LEFT, fill=tk.BOTH, expand=True)
        scrollbar_y.pack(side=tk.RIGHT, fill=tk.Y)
        scrollbar_x.pack(side=tk.BOTTOM, fill=tk.X)

        # 日志区域
        log_frame = tk.Frame(self.root)
        log_frame.pack(pady=10, padx=10, fill=tk.BOTH, expand=True)

        tk.Label(log_frame, text="日志信息:").pack(anchor=tk.W)
        self.log_text = scrolledtext.ScrolledText(log_frame, height=8)
        self.log_text.pack(fill=tk.BOTH, expand=True)

        # 底部按钮
        button_frame = tk.Frame(self.root)
        button_frame.pack(pady=10, padx=10, fill=tk.X)

        tk.Button(button_frame, text="导出结果", command=self.export_result).pack(side=tk.RIGHT, padx=5)
        tk.Button(button_frame, text="清空日志", command=self.clear_log).pack(side=tk.RIGHT, padx=5)

    def browse_file(self):
        file_path = filedialog.askopenfilename(
            title="选择Excel文件",
            filetypes=[("Excel files", "*.xlsx *.xls")]
        )
        if file_path:
            self.file_path_var.set(file_path)
            self.log(f"已选择文件: {file_path}")

    def log(self, message):
        self.log_messages.append(message)
        self.log_text.insert(tk.END, message + "\n")
        self.log_text.see(tk.END)
        self.root.update_idletasks()

    def process_data(self):
        file_path = self.file_path_var.get()
        if not file_path:
            messagebox.showerror("错误", "请先选择文件")
            return

        try:
            # 读取Excel文件
            df = pd.read_excel(file_path)
            self.log(f"成功读取文件，共 {len(df)} 行数据")

            # 清空之前的结果
            for item in self.tree.get_children():
                self.tree.delete(item)

            # 按测试用例标识分类
            classified_data = self.classify_test_cases(df)

            # 显示结果
            for key, cases in classified_data.items():
                # 构造合并后的测试用例标识
                if len(cases) > 1:
                    # 提取UC编号并排序
                    uc_numbers = []
                    for case in cases:
                        match = re.search(r'_UC(\d+)$', case['测试用例标识'])
                        if match:
                            uc_numbers.append(int(match.group(1)))

                    if uc_numbers:
                        uc_numbers.sort()
                        first_uc = f"UC{uc_numbers[0]:02d}"
                        last_uc = f"UC{uc_numbers[-1]:02d}"
                        if first_uc == last_uc:
                            merged_id = f"{key}_{first_uc}"
                        else:
                            merged_id = f"{key}_{first_uc}~{last_uc}"
                    else:
                        merged_id = key
                else:
                    merged_id = cases[0]['测试用例标识']

                # 只显示第一条记录的测试项名称和测试用例名称
                first_case = cases[0]
                self.tree.insert("", tk.END, values=(
                    merged_id,
                    first_case.get('测试项名称', ''),
                    first_case.get('测试用例名称', '')
                ))

            self.log(f"数据处理完成，共生成 {len(classified_data)} 个分类")

        except Exception as e:
            messagebox.showerror("错误", f"处理数据时出错: {str(e)}")
            self.log(f"错误: {str(e)}")

    def classify_test_cases(self, df):
        # 按测试用例标识前缀分类
        classified = defaultdict(list)

        for index, row in df.iterrows():
            test_case_id = row.get('测试用例标识', '')
            if not test_case_id:
                continue

            # 提取前缀部分（去掉_UCXX部分）
            prefix = re.sub(r'_UC\d+$', '', test_case_id)
            classified[prefix].append(dict(row))

        return classified

    def export_result(self):
        if not self.tree.get_children():
            messagebox.showwarning("警告", "没有可导出的数据")
            return

        file_path = filedialog.asksaveasfilename(
            title="保存结果",
            defaultextension=".xlsx",
            filetypes=[("Excel files", "*.xlsx"), ("CSV files", "*.csv")]
        )

        if not file_path:
            return

        try:
            # 收集Treeview中的数据
            data = []
            for item in self.tree.get_children():
                values = self.tree.item(item, 'values')
                data.append({
                    '测试用例标识': values[0],
                    '测试项名称': values[1],
                    '测试用例名称': values[2]
                })

            # 导出到文件
            df = pd.DataFrame(data)
            if file_path.endswith('.xlsx'):
                df.to_excel(file_path, index=False)
            else:
                df.to_csv(file_path, index=False, encoding='utf-8-sig')

            self.log(f"结果已导出至: {file_path}")
            messagebox.showinfo("成功", f"结果已导出至:\n{file_path}")

        except Exception as e:
            messagebox.showerror("错误", f"导出文件时出错: {str(e)}")
            self.log(f"导出错误: {str(e)}")

    def clear_log(self):
        self.log_text.delete(1.0, tk.END)
        self.log_messages = []
        self.log("日志已清空")


def main():
    root = tk.Tk()
    app = TestCaseClassifier(root)
    root.mainloop()


if __name__ == "__main__":
    main()

运行一下试试看，测试一下，能不能完成我们的工作

成功处理，得到我想要的结果。

二、生成后，不断调整

后面呢，就是根据自己的需要，不断去添加修改需求，然后让AI改代码了，最后得出自己的想要的结果，我现在还需要一个可以提取word文档中的内容的工具，然后让AI 不断帮忙修改，结果如下：

也是成功，搞出了2坨能用的工具，反正也就是处理一下小问题。尝试一下，看看结果：

也是成功得到想要的。

三、总结

最后，总结呢，就是AI写的代码，逻辑清楚，结构清晰，但是有一种很多的感觉(屎山)（不是？】!），【AI：先不管理，来个一千行代码再说】，AI的代码，看了之后，感觉里面有很多的备案，类似的try except Exception as e   用的比较多，算是为了反正代码卡死的一种手段吧，反正处理的是比我好很多，但是，就目前来看，我自己使用的感觉是，学会使用AI帮助我编程作用很大，而且可以很快的开发完我想要的东西，真的快很多，而且，对应个人的辅助真的是很好，当然，自身能力也不能落下（哦，还得注意AI的记忆能力，反正他来来回回的给你改代码，或者混淆东西）

四、最近补充

最近这两天文档需要修改，给我临时安排了任务，然后发现当前的文档处理脚本并没有达到我的要求，旧版本的问题是实在一言难尽，所以，我觉得优化当前问题，几经周折，最后还是放弃AI写代码（😭哭），【实在是问AI问到恼火，已经开骂AI了，希望AI大人以后觉醒，不要第一个干我😯】（再次声明目前我的使用感觉来说AI并不是万能的，希望合理的使用它，虽然它有许许多多的小问题，但是希望AI的发展再接再厉，加油程序员们，加油各位大佬，下面慢慢给大家展示我的优化历程，我和AI不得不说的俩三事🐶）

补充1

AI目前对一些东西的处理记忆容易混乱。次数较多情况，或者，如果不断上传之前的资料啥的，这样的话，AI的每次修改或者给出的东西，可以是重复的，没有修改的，感觉可以试试自己调配的，按照自己的心意去调教的符合自己工作习惯的AI可能情况会好一些。下图是实在没有办法，重新开启新的窗口，防止AI老是给我搞混东西，推荐是核心部分代码，可以直接给出一部分逻辑，或者直接的需求很明确，一步一步的讲得非常清楚。

补充2

最新的修改后的的效果展示，效果比以前的好很多，同时也达到了我的需求，很快的帮我处理完成将近几千条数据，让我省去了很多的人工时间。（事实上，核心部分代码还是自己写完逻辑后，丢给AI帮忙，就一个标题的顺序提取，因为当时可以给AI提需求时，讲得不够明确，让AI理解错误，AI提取的标题，按照了父子层级树的关系进行存储，但是这不是我想要的，后面这部分手动来完成【哭笑】）最后说，打铁还得自身硬，目前来说AI是一个很好的辅助工具，遇到问题多思考。