[数据处理] 有了这篇教程，SIPO小伙伴再也不怕倒腾数据啦

通常，外网的商业专利数据库下载的数据都是xls格式的，方便又好用，而SIPO小伙伴们遇到的头疼问题是，内网检索系统下载下来的数据大部分都是txt文档的。

因此，今天的教程主要为了解决SIPO小伙伴的问题：如何将txt格式的数据转换成xls格式的数据。不过里面涉及的方法、技巧是通用的，其他小伙伴也可以参考参考哦。

SIPO审查员使用的检索系统，数据全且准确，检索入口及工具也相当丰富，同时具有非常友好的图文浏览界面，再加上审查员无与伦比的检索能力，完成一个数据全且准的专利分析检索是没有任何问题的。但这些系统很多只能下载txt格式的数据，就像这样：

或者这样：

如何将txt数据转换成xls格式的数据，以便利用Excel的功能进行数据分析呢？像下面这样：

Step1 分析XLS数据的格式

首先，我们来看看xls格式的专利数据的具体格式。

操作：新建word文档，复制xls数据，将其选择性粘贴为无格式文本，点击“显示编辑标记”（快捷键ctl+*），可以发现，xls数据借助制表符^t实现分列，借助回车^p实现换行。

因此，txt转xls的思路是：

• 每条专利数据的各字段之间用制表符^t间隔；

• 每条专利数据之间用回车^p间隔。

STEP 2 用Word打开TXT文件

用WORD打开得到下面的数据：

STEP 3 将需要分列和换行的地方分别替换为^t和^p

替换步骤如下：

（1）    所有回车替换为分号

（2）    ··········替换为无

（3）    AP······-·替换为制表符^t

（4）    依次替换PA、IN……等

（5）    ^#^#^#/623····DWPI;替换为回车^p（其中^#表示任意一个数字）

（6）    ^#^#/623····DWPI;替换为回车^p

（7）    ^#/623····DWPI;替换为回车^p

注意：替换的顺序有讲究，请大家自行动手体会。

小技巧：可复制上述元素进行替换

最后将WORD再次存成TXT文件

STEP4 在EXCEL中的操作

将上述txt文档用excel打开。

由于之前我们在替换过程中将AP、PA、IN等字段全部都替换成了^t，因此在excel中打开的时候，这些专利数据是没有著录项目的，就像下图：

因此，我们还需要对照原来的txt文件中著录项目的顺序，给这些数据添加著录项目的表头。

需要注意的是，有一些文献可能由于某些著录项目的缺失，会导致导入excel的数据著录项目没有对齐，这个需要大家在成功生成excel的时候再检查一下。

另一种替换方法

为了核对方便，你也可以在替换的时候将“AP······-”·替换为“^t AP-”,这样最后生成的excel就是下面这样的前面自带著录项目的，方便核对。

然后再分列，加表头就OK了。