add extract_vba.py for VBA code extraction and update requirements.txt

.gitignore

@@ -13,4 +13,5 @@ tmpclaude-*
 *workspace*
 *.png
 data/
-Excel/
+Excel/
+VBA/

extract_vba.py

@@ -0,0 +1,401 @@
+"""
+VBA代码提取工具
+从xlsm文件中提取模块和类模块代码，分类保存到VBA文件夹
+自动清理Attribute信息并生成元数据JSON文件
+"""
+
+import os
+import sys
+import json
+import re
+from pathlib import Path
+from typing import Dict, List, Tuple, Optional
+
+# VBA项目相关常量
+STANDARD_MODULE_DIR = "Modules"
+CLASS_MODULE_DIR = "ClassModules"
+DOCUMENT_MODULE_DIR = "DocumentModules"
+FORMS_DIR = "Forms"
+METADATA_FILE = "vba_metadata.json"
+
+
+class VBAExtractor:
+    """VBA代码提取器"""
+
+    def __init__(self, xlsm_path: str, output_dir: str = None):
+        """
+        初始化VBA提取器
+
+        Args:
+            xlsm_path: xlsm文件路径
+            output_dir: 输出目录，默认为项目根目录下的VBA文件夹
+        """
+        self.xlsm_path = Path(xlsm_path)
+        if output_dir is None:
+            # 使用脚本所在目录（项目根目录）下的VBA文件夹
+            script_dir = Path(__file__).parent
+            self.output_dir = script_dir / "VBA"
+        else:
+            self.output_dir = Path(output_dir)
+
+        # 创建输出目录结构
+        self.modules_dir = self.output_dir / STANDARD_MODULE_DIR
+        self.class_modules_dir = self.output_dir / CLASS_MODULE_DIR
+        self.document_modules_dir = self.output_dir / DOCUMENT_MODULE_DIR
+        self.forms_dir = self.output_dir / FORMS_DIR
+
+        self.modules_dir.mkdir(parents=True, exist_ok=True)
+        self.class_modules_dir.mkdir(parents=True, exist_ok=True)
+        self.document_modules_dir.mkdir(parents=True, exist_ok=True)
+        self.forms_dir.mkdir(parents=True, exist_ok=True)
+
+        # 存储模块元数据
+        self.metadata = {
+            "source_file": str(self.xlsm_path),
+            "modules": {}
+        }
+
+    def parse_attributes(self, code: str) -> Tuple[Dict[str, str], str]:
+        """
+        解析VBA代码中的Attribute信息
+
+        Args:
+            code: VBA代码（包含Attribute行）
+
+        Returns:
+            (attributes_dict, clean_code) - 属性字典和清理后的代码
+        """
+        attributes = {}
+        lines = code.split('\n')
+        clean_lines = []
+        in_attributes = True
+
+        for line in lines:
+            # 检查是否为Attribute行
+            attr_match = re.match(r'^Attribute\s+(\w+)\s*=\s*(.+)$', line.strip())
+            if attr_match:
+                attr_name = attr_match.group(1)
+                attr_value = attr_match.group(2).strip().strip('"')
+                attributes[attr_name] = attr_value
+                # 继续收集Attribute，暂不添加到clean_lines
+                continue
+
+            # 遇到非Attribute行，Attribute收集结束
+            if not line.strip().startswith('Attribute'):
+                in_attributes = False
+
+            # 添加到清理后的代码（跳过空行和Attribute）
+            if not in_attributes or (line.strip() and not line.strip().startswith('Attribute')):
+                if not in_attributes:
+                    clean_lines.append(line)
+
+        # 去除开头的空行
+        while clean_lines and not clean_lines[0].strip():
+            clean_lines.pop(0)
+
+        clean_code = '\n'.join(clean_lines)
+        return attributes, clean_code
+
+    def extract_vba_modules_olevba(self):
+        """
+        使用olevba库提取VBA代码
+
+        需要安装: pip install oletools
+        """
+        try:
+            from oletools.olevba import VBA_Parser
+        except ImportError:
+            print("错误: 未安装oletools库")
+            print("请运行: pip install oletools")
+            return False
+
+        print(f"正在解析文件: {self.xlsm_path.name}")
+
+        try:
+            vba_parser = VBA_Parser(str(self.xlsm_path))
+
+            if vba_parser.detect_vba_macros():
+                print("发现VBA代码，开始提取...\n")
+
+                # 遍历所有VBA模块
+                for (filename, stream_path, vba_filename, vba_code) in vba_parser.extract_macros():
+                    self._process_module(vba_filename, vba_code, stream_path)
+
+                vba_parser.close()
+
+                # 保存元数据文件
+                self._save_metadata()
+
+                print(f"\n提取完成！")
+                print(f"- 标准模块: {self.modules_dir}")
+                print(f"- 类模块: {self.class_modules_dir}")
+                print(f"- 文档模块: {self.document_modules_dir}")
+                print(f"- 元数据: {self.output_dir / METADATA_FILE}")
+                return True
+            else:
+                print("未在文件中发现VBA代码")
+                vba_parser.close()
+                return False
+
+        except Exception as e:
+            print(f"提取VBA代码时出错: {e}")
+            return False
+
+    def extract_vba_modules_com(self):
+        """
+        使用COM接口提取VBA代码（需要安装Excel）
+
+        优点: 更可靠，支持更多特性
+        缺点: 需要安装Microsoft Excel
+        """
+        try:
+            import win32com.client as win32
+        except ImportError:
+            print("错误: 未安装pywin32库")
+            print("请运行: pip install pywin32")
+            return False
+
+        print(f"正在使用COM接口解析: {self.xlsm_path.name}")
+
+        try:
+            excel = win32.Dispatch("Excel.Application")
+            excel.Visible = False
+            excel.DisplayAlerts = False
+
+            workbook = excel.Workbooks.Open(str(self.xlsm_path.absolute()))
+
+            # 获取VBA项目
+            if not workbook.VBProject:
+                print("错误: 无法访问VBA项目")
+                print("请确保: 1) Excel信任中心设置'信任对VBA工程对象模型的访问'")
+                print("       2) 文件中包含VBA代码")
+                workbook.Close(False)
+                excel.Quit()
+                return False
+
+            vb_project = workbook.VBProject
+
+            print("开始提取VBA组件...\n")
+
+            # 遍历所有VBA组件
+            for component in vb_project.VBComponents:
+                module_name = component.Name
+                module_type = component.Type
+
+                # 获取代码
+                code_module = component.CodeModule
+                line_count = code_module.CountOfLines
+
+                if line_count > 0:
+                    vba_code = code_module.Lines(1, line_count)
+                else:
+                    vba_code = ""
+
+                # 根据类型分类保存
+                # 1=标准模块, 2=类模块, 3=MSForm, 11=Document/工作表/工作簿
+                type_name = {
+                    1: STANDARD_MODULE_DIR,
+                    2: CLASS_MODULE_DIR,
+                    3: FORMS_DIR,
+                    11: DOCUMENT_MODULE_DIR
+                }.get(module_type, "Unknown")
+
+                target_dir = {
+                    1: self.modules_dir,
+                    2: self.class_modules_dir,
+                    3: self.forms_dir,
+                    11: self.document_modules_dir
+                }.get(module_type, self.modules_dir)
+
+                target_dir.mkdir(exist_ok=True)
+                self._process_module(module_name, vba_code, type_name)
+
+            workbook.Close(False)
+            excel.Quit()
+
+            # 保存元数据文件
+            self._save_metadata()
+
+            print(f"\n提取完成！")
+            print(f"- 标准模块: {self.modules_dir}")
+            print(f"- 类模块: {self.class_modules_dir}")
+            print(f"- 文档模块: {self.document_modules_dir}")
+            print(f"- 元数据: {self.output_dir / METADATA_FILE}")
+            return True
+
+        except Exception as e:
+            print(f"使用COM提取VBA代码时出错: {e}")
+            print("\n提示:")
+            print("1. 确保已安装Microsoft Excel")
+            print("2. 打开Excel -> 文件 -> 选项 -> 信任中心 -> 信任中心设置")
+            print("3. 勾选'信任对VBA工程对象模型的访问'")
+            try:
+                excel.Quit()
+            except:
+                pass
+            return False
+
+    def _determine_module_type(self, module_name: str, stream_path: str) -> str:
+        """
+        根据模块名称和流路径确定模块类型
+
+        Args:
+            module_name: 模块名称
+            stream_path: 流路径
+
+        Returns:
+            模块类型: Modules, ClassModules, DocumentModules
+        """
+        name_lower = module_name.lower()
+
+        # 工作表和工作簿模块
+        if name_lower.startswith('sheet') or name_lower == 'thisworkbook':
+            return DOCUMENT_MODULE_DIR
+
+        # 标准模块
+        if name_lower.startswith('mod_') or name_lower.startswith('mod'):
+            return STANDARD_MODULE_DIR
+
+        # 类模块
+        if name_lower.startswith('cls') or name_lower.startswith('class'):
+            return CLASS_MODULE_DIR
+
+        # 根据stream_path判断
+        if stream_path:
+            path_lower = stream_path.lower()
+            if 'sheet' in path_lower or 'thisworkbook' in path_lower:
+                return DOCUMENT_MODULE_DIR
+            elif 'class' in path_lower or 'cls' in path_lower:
+                return CLASS_MODULE_DIR
+
+        # 默认为标准模块
+        return STANDARD_MODULE_DIR
+
+    def _process_module(self, module_name: str, vba_code: str, category: str):
+        """
+        处理模块：解析属性、清理代码、保存文件
+
+        Args:
+            module_name: 模块名称
+            vba_code: VBA代码内容
+            category: 模块类别（可能是stream_path或类型名称）
+        """
+        # 解析Attribute信息
+        attributes, clean_code = self.parse_attributes(vba_code)
+
+        # 确定实际的模块类型
+        module_type = self._determine_module_type(module_name, category)
+
+        # 确定目标目录
+        target_dir = {
+            STANDARD_MODULE_DIR: self.modules_dir,
+            CLASS_MODULE_DIR: self.class_modules_dir,
+            DOCUMENT_MODULE_DIR: self.document_modules_dir,
+            FORMS_DIR: self.forms_dir
+        }.get(module_type, self.modules_dir)
+
+        # 确定文件扩展名
+        ext = '.cls' if module_type in [CLASS_MODULE_DIR, DOCUMENT_MODULE_DIR, FORMS_DIR] else '.bas'
+
+        # 清理文件名（移除已有扩展名）
+        clean_name = module_name.replace('/', '_').replace('\\', '_')
+        # 移除已存在的扩展名
+        for suffix in ['.cls', '.bas', '.frm']:
+            if clean_name.endswith(suffix):
+                clean_name = clean_name[:-len(suffix)]
+                break
+        clean_name += ext
+
+        # 保存清理后的代码
+        file_path = target_dir / clean_name
+        with open(file_path, 'w', encoding='utf-8') as f:
+            f.write(clean_code)
+
+        # 保存元数据
+        self.metadata["modules"][clean_name] = {
+            "name": module_name,
+            "type": module_type,
+            "attributes": attributes,
+            "file": str(file_path.relative_to(self.output_dir))
+        }
+
+        print(f"  [OK] 已保存: {clean_name} ({module_type})")
+
+    def _save_metadata(self):
+        """保存元数据到JSON文件"""
+        metadata_path = self.output_dir / METADATA_FILE
+        with open(metadata_path, 'w', encoding='utf-8') as f:
+            json.dump(self.metadata, f, indent=2, ensure_ascii=False)
+
+
+def main():
+    """主函数"""
+    print("=" * 60)
+    print("VBA代码提取工具")
+    print("=" * 60)
+    print()
+
+    # 查找xlsm文件
+    excel_dir = Path("Excel")
+    if not excel_dir.exists():
+        print("错误: 未找到Excel文件夹")
+        return
+
+    xlsm_files = list(excel_dir.glob("*.xlsm"))
+    if not xlsm_files:
+        print("错误: Excel文件夹中没有xlsm文件")
+        return
+
+    # 如果有多个文件，让用户选择
+    if len(xlsm_files) > 1:
+        print("发现多个xlsm文件:")
+        for i, f in enumerate(xlsm_files, 1):
+            print(f"  {i}. {f.name}")
+        print()
+        choice = input("请选择文件编号 (直接回车选择第1个): ").strip()
+        if not choice:
+            xlsm_file = xlsm_files[0]
+        else:
+            try:
+                idx = int(choice) - 1
+                xlsm_file = xlsm_files[idx]
+            except:
+                print("无效选择，使用第一个文件")
+                xlsm_file = xlsm_files[0]
+    else:
+        xlsm_file = xlsm_files[0]
+
+    print()
+    print(f"选择文件: {xlsm_file.name}")
+    print()
+
+    # 创建提取器
+    extractor = VBAExtractor(str(xlsm_file))
+
+    # 选择提取方法
+    print("请选择提取方法:")
+    print("  1. COM接口 (推荐 - 需要安装Excel)")
+    print("  2. olevba库 (不需要Excel)")
+    print()
+
+    method = input("请选择 (直接回车使用方法1): ").strip()
+
+    if method == "2":
+        print("\n使用olevba库提取...")
+        success = extractor.extract_vba_modules_olevba()
+    else:
+        print("\n使用COM接口提取...")
+        success = extractor.extract_vba_modules_com()
+
+    if success:
+        print("\n" + "=" * 60)
+        print("提取成功完成！")
+        print("=" * 60)
+    else:
+        print("\n" + "=" * 60)
+        print("提取失败")
+        print("=" * 60)
+
+
+if __name__ == "__main__":
+    main()

requirements.txt

@@ -0,0 +1,7 @@
+# VBA提取工具依赖
+
+# COM接口方法 (推荐) - 需要安装Microsoft Excel
+pywin32>=306; sys_platform == 'win32'
+
+# olevba库方法 - 不需要Excel
+oletools>=0.60