用Python中的openpyxl处理Excel数据 第2季 巩固篇

这套资料的主题很明确：用 openpyxl 把 Excel 当成可编程的数据容器，而不是靠鼠标一遍遍点。第 2 季定位在“巩固”，意思是第 1 季把单元格读写、工作表增删跑通之后，这一季要处理的是真实工作簿里那些让人头疼的部分——样式、公式、合并单元格、批量规则、以及把零散脚本收敛成可复用的处理流程。

这门课解决的具体问题

openpyxl 的入门门槛不高，几行代码就能写一个单元格，但真正落到批量表格处理上，坑基本集中在几个地方。一是读写模式的区别：普通模式会把整份工作簿载入内存，遇到几万行的表格很容易吃满内存，而只读、只写模式各自有 API 限制，什么时候该切换、切换后哪些操作不能用，需要对照代码理解。二是样式系统，Font、PatternFill、Border、Alignment 这些对象怎么组合，命名样式和单元格级样式的优先级如何，跨表复制格式时哪些属性会丢。三是公式与计算值的关系，openpyxl 本身不计算公式，写入的公式要等 Excel 打开后才算出结果，读取时默认拿到的是公式字符串而不是值，data_only 参数在什么条件下才有意义，这个点不搞清楚就会写出“读出来全是 None”的脚本。

第 2 季围绕这些点展开，属于典型的需要边看边敲的内容。光看视频容易产生“我会了”的错觉，实际动手时才发现列宽、日期格式、合并区域的写入边界都会报错。

项目结构与可复用模块

从技术栈看，这门课只依赖 Python 标准库加 openpyxl，不需要额外的数据处理框架，好处是脚本轻、部署简单，坏处是所有逻辑都得自己组织，所以模块划分反而更重要。比较值得借鉴的写法是把处理逻辑拆成三层：读取层负责把一个工作表转成统一的行结构（通常是列表套字典），处理层只针对这个中间结构做筛选、计算、映射，写入层再把结果写回目标工作簿并统一套用样式。

这样拆的好处是，换一个 Excel 模板时只需要改读取层和写入层的列映射，中间的业务逻辑可以原样复用。课程里涉及的批量格式套用、条件着色、按关键字汇总、多表合并这类任务，本质上都是这个三层结构的变体。看完之后建议自己抽一个通用函数，比如接受“输入路径、输出路径、列映射字典”作为参数，把重复代码压下去。这个函数本身就是一个可以放进个人工具库的模块，比零散的示例脚本更有复用价值。

自学路径与练习方式

• 先确认第 1 季的基础操作能独立写出，包括遍历行列、按坐标和按单元格对象两种访问方式。
• 每看一节，先不看代码自己写一遍，再对比差异，重点看异常处理位置和资源关闭方式。
• 用自己手头真实的表格做练习，比如把某个月度报表改成自动汇总，而不是只用课程附带的示例数据。
• 刻意练习一次大数据量场景，观察内存占用和耗时，理解只读、只写模式的取舍。
• 把最终脚本整理成命令行可调用的形式，参数化输入输出路径和关键阈值。

资源包里附带的章节笔记适合用来课后对照，但别把它当成替代品，笔记的价值在于回顾时快速定位某个 API 的用法，而不是替你建立代码结构感。

适合与不适合的人群

如果你日常要处理运营报表、财务台账、数据导出清洗这类工作，并且已经能写简单的 Python 脚本，这套资料能直接对上你的场景。它不适合两种情况：一是完全没有 Python 基础，函数和循环都不熟，建议先把基础补上再回来；二是期望学到 pandas 那套数据框操作，openpyxl 走的是贴近 Excel 对象模型的路线，两者定位不同，选错了会觉得别扭。

把它当作一份可以对照实践的工程参考更合适：跟着敲，改自己的数据，抽出能复用的函数，最后沉淀成一份带说明的脚本或笔记。这样学完留下的是能直接用在下次任务里的东西，而不是一堆看过的视频进度。