据外媒报道，微软正考虑添加 Python 为官方的一种 Excel 脚本语言，如果获得批准，Excel 用户将能够像目前使用 VBA 脚本一样，使用 Python 脚本与 Excel 文档、数据以及一些 Excel 核心函数进行交互。
之前做java还是做nodejs，对于读写excel一直是一个头疼的问题，在java中有开源的POI，无论功能和使用上都很齐全；转而看nodejs这一块，在处理excel问题上一直是一个头疼的问题，之前做一个项目，就是因为nodejs无法实现模板处理方法而必须使用其他的语言或者方法处理。
最近公司在做一个django的项目，其中后台涉及到一些python读写excel的方法，简单做个记录
开源模块
- xlwings
可结合 VBA 实现对 Excel 编程，强大的数据输入分析能力，同时拥有丰富的接口，结合 pandas/numpy/matplotlib 轻松应对 Excel 数据处理工作。
- openpyxl
简单易用，功能广泛，单元格格式/图片/表格/公式/筛选/批注/文件保护等等功能应有尽有，图表功能是其一大亮点，缺点是对 VBA 支持的不够好。
- pandas
数据处理是 pandas 的立身之本，Excel 作为 pandas 输入/输出数据的容器。
- win32com
从命名上就可以看出，这是一个处理 windows 应用的扩展，Excel 只是该库能实现的一小部分功能。该库还支持 office 的众多操作。需要注意的是，该库不单独存在，可通过安装 pypiwin32 或者 pywin32 获取。
- xlsxwriter
拥有丰富的特性，支持图片/表格/图表/筛选/格式/公式等，功能与openpyxl相似，优点是相比 openpyxl 还支持 VBA 文件导入，迷你图等功能，缺点是不能打开/修改已有文件，意味着使用 xlsxwriter 需要从零开始。
- DataNitro
作为插件内嵌到 Excel 中，可完全替代 VBA，在 Excel 中使用 python 脚本。既然被称为 Excel 中的 python，协同其他 python 库亦是小事一桩。然而，这是付费插件...
- xlutils
基于 xlrd/xlwt，老牌 python 包，算是该领域的先驱，功能特点中规中矩，比较大的缺点是仅支持 xls 文件。
openpyxl
通过openpyxl去读取excel中单元格内容
例如我们读取一个excel文件中的内容
# -*- coding: utf-8 -*-
from openpyxl import load_workbook
from openpyxl.styles import PatternFill, Border, Side, Alignment, Protection, Font
def getSheet(filename, sheetname):
wb = load_workbook(filename=filename)
sheet_ranges = wb[sheetname]
return wb, sheet_ranges
def readSheetContent(sheet_ranges):
flag = True
row = 1
while(flag):
if(sheet_ranges[u'A'+str(row)].value is None):
flag = False
break
# 获取cell
rule_key = sheet_ranges[u'A'+str(row)]
error_level = sheet_ranges[u'B'+str(row)]
line = sheet_ranges[u'C'+str(row)]
result = sheet_ranges[u'D'+str(row)]
reason = sheet_ranges[u'E'+str(row)]
changeID = sheet_ranges[u'F'+str(row)]
# 获取cell内容
# 1. 获取cell value值
print("Row"+str(row), rule_key.value, error_level.value, line.value, result.value, reason.value, changeID.value)
# 2. 获取cell相关属性
# 2.1 数据类型
rule_key_data_type = rule_key.data_type
print("rule_key_data_type:",rule_key_data_type)
# 2.2 编码格式
rule_key_encoding = rule_key.encoding
print("rule_key_encoding:", rule_key_encoding)
# 2.3 填充色相关
rule_key_fill = rule_key.fill
rule_key_fill_bgcolor = rule_key.fill.bgColor.value
rule_key_fill_fgcolor = rule_key.fill.fgColor.value
print("rule_key_fill_bgcolor:",rule_key_fill_bgcolor)
print("rule_key_fill_fgcolor:",rule_key_fill_fgcolor)
# 2.4 字体相关
rule_key_font = rule_key.font
print("rule_key_font:",
rule_key_font.name,
rule_key_font.size,
rule_key_font.bold,
rule_key_font.italic,
rule_key_font.vertAlign,
rule_key_font.underline,
rule_key_font.strike)
# 3 修改单元格
if(row > 1):
result.value = True
reason.value = u"modify cell content"+str(row)
changeID.value = row
row += 1
return sheet_ranges
def saveWorkbook(wb, targetname):
wb.save(filename = targetname)
filename = u"./test/test.xlsx"
sheetname = u"Sheet1"
wb, sheet_ranges = getSheet(filename, sheetname)
readSheetContent(sheet_ranges)
saveWorkbook(wb, filename)
执行完了以后的结果：
上面的这个例子，给出了一个通用的excel的读写方法，详细的文档可以参考https://openpyxl.readthedocs.io/en/stable/tutorial.html
pandas
Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。1
pandas的文档可以参考[https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html#]
还是参考上面的例子，我们读取test.xlsx文件内容
# -*- coding: utf-8 -*-
import pandas
def dataconvert(data):
# print(data)
if type(data) == unicode:
return data
elif type(data) == str:
return data
elif type(data) == long:
return data
elif type(data) == pandas._libs.tslib.Timestamp:
return str(data)
else:
return ""
excelname = './test/test.xlsx'
xlsx = pandas.read_excel(excelname, header=0, index_col=0)
for idx, row in xlsx.iterrows():
rule_key = idx
error_level = dataconvert(row[u"error_level"])
line = dataconvert(row[u"line"])
result = dataconvert(row[u"是否有问题"])
reason = dataconvert(row[u"理由"])
changeID = dataconvert(row[u"提交ID"])
print(rule_key, error_level,line, result, reason, changeID)
输出结果：
