Python怎么使用openpyxl读取.xlsx文件内容

一、环境准备与核心操作流程

openpyxl 是一个专门针对 Office Open XML 标准（即 .xlsx、.xlsm 等扩展名）设计的 Python 第三方模块。开始操作前，需在终端或命令行中完成安装：

pip install openpyxl

安装完成后，即可在 Python 脚本中导入并执行读取。整个读取过程分为四个紧密相扣的阶段：加载工作簿、选取工作表、确定读取范围、解构单元格数值。

每一步都对应 openpyxl 的一个核心 API。理解这四个步骤的衔接关系后，无论是读取单个配置项还是批量抓取几万行表格，都能按照这套固定范式快速实现。

二、认识 openpyxl 的对象分层模型

初次使用 openpyxl 时，最容易产生的困惑是混淆了“文件”、“表”和“单元格”之间的访问关系。该库采用严密的面向对象树状模型：

• Workbook（工作簿）：对应整个 .xlsx 文件，负责管理文件的元数据、全局样式以及所有包含的子表。
• Worksheet（工作表）：对应文件内部的一个具体 Sheet 页面（如“Sheet1”），负责组织二维网格及行列边界属性。
• Cell（单元格）：网格中位于具体坐标（如 B3 或第 2 行第 3 列）的最小存储单元，承载实际数值、数据类型与显示格式。

在代码中调用时，我们始终遵循这一层级递进关系：由 load_workbook() 获得 wb，由 wb[name] 获得 ws，再由 ws[coord] 或 ws.cell() 获得 cell。

三、基础读取：加载工作簿与获取工作表

首先通过 load_workbook 载入目标文件。在载入后，我们可以查看该文件内共有哪些工作表，并选定需要操作的表：

from openpyxl import load_workbook

# 1. 加载本地 .xlsx 文件
wb = load_workbook('data.xlsx')

# 2. 查看文件中所有的工作表名称
print("包含的工作表:", wb.sheetnames)

# 3. 获取指定的工作表对象（推荐方式）
ws = wb['Sheet1']

# 或者直接获取当前打开时的默认活动工作表
active_ws = wb.active

# 4. 打印工作表的有效数据边界
print(f"总行数: {ws.max_row}, 总列数: {ws.max_column}")

属性 ws.max_row 与 ws.max_column 记录了当前表中已存在内容的最大行列序号。在 openpyxl 中，行号和列号均从 1 开始计数（第 1 行即表头），与 Python 常见的从 0 索引列表不同，编写循环时需特别留意。

四、单元格数据定位与切片读取

定位具体单元格主要有两种方式：Excel 风格坐标访问与数字行列坐标访问。

1. 坐标访问方式：适合固定位置的单值读取

如果目标单元格位置固定（例如特定配置项位于 A1），直接使用方括号索引最为直观：

cell = ws['A1']
# 打印单元格原生值
print(cell.value)
# 打印单元格数据类型（如 's' 表示字符串，'n' 表示数字）
print(cell.data_type)

2. 数字行列访问方式：适合数值循环步进

当需要在循环中通过变量步进读取时，ws.cell(row=i, column=j) 更加方便，无需手动将数字转换为字母列标：

# 读取第 2 行第 3 列（对应 C2）
target_cell = ws.cell(row=2, column=3)
print(target_cell.value)

3. 区域切片读取

也可以使用切片语法读取连续矩形区域。ws['A1:C3'] 会返回一个由行构成的嵌套元组，外层元组代表每一行，内层元组包含该行中的 Cell 对象：

cell_range = ws['A1:C3']
for row in cell_range:
    row_values = [cell.value for cell in row]
    print(row_values)

五、关键差异对比：Cell 对象遍历与 values_only 纯数据流

在进行整表或多行批量遍历时，openpyxl 提供了 ws.iter_rows() 方法。这里存在两种截然不同的使用方式，也是开发中最常影响代码清晰度与运行性能的关键决策点：

为什么这一差异非常重要？

在大多数日常业务中，读表格的目的只是为了提取其中的业务数据进行分析或入库。如果使用默认模式，代码中需要反复嵌套编写列表推导式提取 .value，当表格达到数万行时，还会产生大量的临时 Cell 对象，占用可观的内存空间。

开启 values_only=True 之后，openpyxl 会在解析内部 XML 数据流时直接提取转换后的 Python 原生数据（字符串、浮点数、整数、datetime 等），代码书写与执行效率双双达到最优：

# 推荐的批量高效读取写法：跳过首行表头，直接解包
for row in ws.iter_rows(min_row=2, max_col=4, values_only=True):
    name, age, department, salary = row
    print(f"姓名: {name}, 年龄: {age}, 部门: {department}, 薪酬: {salary}")

六、进阶技巧：公式计算结果与大文件流式读取

1. 读取公式计算结果而非公式文本（data_only 参数）

若表格中某单元格包含公式（例如 C10 的内容为 =SUM(C2:C9)），默认情况下读取 cell.value 得到的是字符串 "=SUM(C2:C9)"。

若要获取计算出的实际数值，需在加载时加入 data_only=True 参数：

wb_data = load_workbook('data.xlsx', data_only=True)
ws_data = wb_data['Sheet1']
print("公式计算值:", ws_data['C10'].value)

2. 超大表格的只读流式优化（read_only 参数）

当面对数万至数十万行、文件体积数十兆以上的巨大 .xlsx 文件时，完整构建 DOM 树可能会导致内存激增。此时可开启只读流式模式：

wb_huge = load_workbook('big_data.xlsx', read_only=True)
ws_huge = wb_huge.active

for row in ws_huge.iter_rows(values_only=True):
    # 流式生成器逐步输出，内存占用恒定保持在极低水平
    process_record(row)

# 只读模式处理完毕后务必手动关闭
wb_huge.close()

七、完整实战代码与常见避坑指南

下面给出一个将 .xlsx 文件读取并完整转换为 Python 结构化字典列表的通用示例工程代码：

from openpyxl import load_workbook

def read_excel_to_dict(file_path, sheet_name=None):
    """
    读取指定 excel 文件并返回字典列表（以首行为键）
    """
    wb = load_workbook(file_path, data_only=True)
    ws = wb[sheet_name] if sheet_name else wb.active
    
    # 获取整表数据迭代器
    rows_iter = ws.iter_rows(values_only=True)
    
    # 读取首行作为字典键（表头）
    headers = next(rows_iter, None)
    if headers is None:
        wb.close()
        return []
    
    records = []
    for row in rows_iter:
        # 跳过全空行
        if all(cell is None for cell in row):
            continue
        # 将表头与当前行数据打包为字典
        record = dict(zip(headers, row))
        records.append(record)
    
    wb.close()
    return records

# 示例调用
if __name__ == '__main__':
    data = read_excel_to_dict('sales.xlsx')
    print(f"成功解析 {len(data)} 条有效业务记录")