Python读取Excel中文

全面解析中文Excel处理方案|pandas|openpyxl|xlrd|编码适配|实战指南

Python读取Excel中文:核心痛点与解决方案全景

在数据处理全流程中,Python读取Excel中文是高频刚需场景。从企业报表分析、金融数据清洗到教育评估建模,中文Excel文件(.xlsx/.xls)承载着大量非结构化业务信息。然而,实际开发中常遭遇三大典型障碍:一是编码混乱导致的乱码(如“中文”显示为“涓枃”);二是路径含中文字符引发的IO异常;三是列名或单元格含特殊符号、空格、合并单元格导致的解析失败。

本指南基于2024年最新生态版本(Python 3.11+、pandas 2.2.0、openpyxl 3.1.2、xlrd 2.0.1),系统梳理中文Excel处理的完整技术链路。内容覆盖底层编码原理、主流库对比选型、编码问题深度诊断、路径适配技巧、合并单元格处理、动态列名映射等实战场景,并提供可直接复用的代码模板。所有案例均经真实项目验证,确保可执行性与鲁棒性。

需特别说明:不同操作系统(Windows/macOS/Linux)对中文路径的默认编码策略存在差异。Windows系统内部使用UTF-16LE,而Python默认文件操作采用UTF-8,这种异构编码是路径乱码的根源。openpyxl库虽能自动处理.xlsx内部的UTF-8编码,但读取时仍需显式指定编码参数以规避异常。xlrd 2.0+版本已停止对.xlsx支持,仅兼容旧版.xls,需结合filetype库进行格式识别。

为什么中文Excel处理如此困难?

根本原因在于Excel文件的编码分层设计:① 文件系统层(如NTFS使用UTF-16);② 文档内部结构层(.xlsx基于ZIP压缩的XML,采用UTF-8);③ 用户编辑层(单元格文本直接存储为Unicode)。当Python程序通过路径访问文件时,路径字符串需从UTF-8转换为系统API的期望编码,此过程若缺失转换步骤即导致乱码。而openpyxl/xlrd读取单元格时,虽直接操作XML内容(UTF-8),但若Excel文件本身由旧版Office保存(如GB2312编码的.xls),仍可能出现字符映射错误。

本指南将通过7个核心模块的深度解析,助您彻底解决中文Excel处理难题,构建稳定可靠的中文数据处理流水线。

主流工具库对比与选型指南

当前Python生态中处理Excel的三大核心库——pandas、openpyxl、xlrd——在中文支持能力上存在显著差异。以下从编码兼容性、功能完整性、性能表现三方面展开对比分析。

【pandas】中文处理首选方案

pandas基于numpy构建,提供DataFrame结构高效处理表格数据。其read_excel()方法默认调用openpyxl/xlrd引擎,自动处理UTF-8编码,是中文Excel读取的首选方案。优势在于:① 自动识别列名作为DataFrame索引;② 支持dtype参数指定列类型(如指定中文列名为str);③ 可通过engine参数切换底层引擎;④ 与后续数据清洗(fillna、rename)无缝衔接。

关键参数说明:① sheet_name:支持整数、字符串、列表;② usecols:可指定列范围(如[0,2,4]或"A:C");③ encoding:仅对xlrd引擎生效(pandas 2.0+已弃用,改用engine参数);④ na_values:自定义空值标识(如["N/A","未知"])。

import pandas as pd
# 标准中文读取模板(推荐)
df = pd.read_excel("数据/中文报表.xlsx",
                   sheet_name="汇总",
                   dtype=str)  # 强制所有列为字符串类型
# 处理中文列名含空格/特殊字符
df.columns = df.columns.str.strip().str.replace(" ", "_")
# 跳过含中文的前2行标题
df = pd.read_excel("数据/中文报表.xlsx", skiprows=2)

注意:当Excel文件保存时选择了“以UTF-8编码保存”(Office 2019+支持),但实际存储为UTF-8 without BOM,pandas可能无法正确识别。此时需显式指定engine="openpyxl"并配合encoding="utf-8-sig"(仅xlrd需此参数,openpyxl自动处理)。

【openpyxl】深度操作Excel结构

openpyxl直接解析.xlsx文件的XML结构(本质是ZIP压缩包),不依赖系统编码设置,对中文支持最为稳定。其核心对象为Workbook→Worksheet→Cell三级结构,适用于需精确控制单元格格式、样式或合并区域的场景。

中文处理要点:① 读取单元格值时直接返回str类型(Unicode),无需额外解码;② 合并单元格仅首格存储值,其余格为None,需通过merged_cells属性获取合并范围;③ 自定义数字格式(如"yyyy"年"m"月"d"日")需通过format_code解析。

from openpyxl import load_workbook
# 加载中文路径文件(Windows需转为raw字符串)
wb = load_workbook(r"C:\数据\中文报表.xlsx", data_only=True)
# 读取工作表
ws = wb["汇总"]
# 处理合并单元格
for merged_cell in ws.merged_cells.ranges:
    cell = merged_cell.start_cell
    value = cell.value
    for row in range(merged_cell.min_row, merged_cell.max_row+1):
        for col in range(merged_cell.min_col, merged_cell.max_col+1):
            ws.cell(row, col).value = value
# 读取所有单元格(含中文)
data = [[cell.value for cell in row] for row in ws.iter_rows()]

重要提示:data_only=True参数确保读取公式计算后的值而非公式本身。若需保留公式,需移除该参数并使用cell.internal_value(但该属性在openpyxl 3.0+已弃用,改用cell.value)。

【xlrd】仅兼容.xls格式

xlrd是早期处理.xls文件的事实标准,但自2.0.0版本起停止支持.xlsx(仅保留.xls)。其编码处理逻辑为:① 通过Workbook.encoding获取工作簿编码;② 默认使用'ascii'解码,需手动切换为'utf-8'或'gbk'。

典型问题:当Excel文件由非中文系统创建(如macOS),单元格中文可能存储为UTF-8而非GBK,直接读取会导致乱码。解决方案:① 优先转换为.xlsx格式;② 使用filetype识别文件类型;③ 尝试多种编码解码(utf-8/gbk/big5)。

import xlrd
from pathlib import Path
# 读取.xls文件
wb = xlrd.open_workbook("数据/中文报表.xls")
# 获取工作簿编码
encoding = wb.encoding or "utf-8"
# 读取工作表
sheet = wb.sheet_by_name("汇总")
# 手动处理中文编码
data = []
for row in range(sheet.nrows):
    row_data = []
    for col in range(sheet.ncols):
        cell = sheet.cell(row, col)
        value = cell.value
        if isinstance(value, str):
            # 尝试重新编码
            try:
                value = value.encode('latin1').decode(encoding)
            except:
                pass
        row_data.append(value)
    data.append(row_data)

强烈建议:新项目避免使用xlrd,改用pandas(自动切换引擎)或openpyxl(统一.xlsx处理)。xlrd仅作为历史文件迁移的过渡方案。

工具库选型决策树

  • 仅需读取数据 → 优先pandas(简洁高效)
  • 需修改格式/样式/公式 → openpyxl(深度控制)
  • 处理旧版.xls文件 → xlrd(兼容性兜底)
  • 混合处理多种格式 → pandas + filetype(智能识别)

编码问题深度诊断与解决方案

编码错误是中文Excel处理中最常见的“幽灵问题”——表面表现为乱码,本质却是多层编码链断裂。以下从编码原理、常见症状、诊断流程、修复方案四方面展开系统性解析。

编码链断裂的三个关键环节

  1. 文件系统层:路径字符串需从Python的UTF-8转换为OS API的期望编码(Windows:UTF-16LE;Linux/macOS:UTF-8)
  2. 文档内部层:.xlsx文件实际是ZIP压缩包,XML内容以UTF-8编码存储
  3. 用户编辑层:Excel编辑器将用户输入转换为Unicode存储

任一环节缺失转换步骤,即导致乱码。例如:Windows系统下,Python路径字符串若未加r前缀(如"数据\中文.xlsx"),反斜杠会被解释为转义字符,引发路径错误。

典型乱码现象与对应原因

乱码表现 可能原因 诊断方法
“涓枃” UTF-8内容被误读为Latin-1 print(“中文”.encode('utf-8').decode('latin1'))
“中文”显示为“中文”但部分符号错乱 编码声明缺失(BOM缺失) 用hexdump查看文件头是否含EF BB BF
路径读取失败(FileNotFoundError) 中文路径未转为raw字符串 print(os.path.exists(r"C:\数据\文件.xlsx"))
列名含“\ufffc”(替换字符) 单元格含不可见控制字符 df.columns.map(lambda x: repr(x))

标准化编码修复流程

步骤1:路径安全处理

① Windows路径使用r前缀(r"C:\数据\文件.xlsx");② 跨平台使用pathlib.Path;③ 避免在路径中使用空格/中文(改用下划线)

步骤2:文件编码检测

使用chardet库自动检测文件编码(需安装:pip install chardet)

import chardet
with open("数据/中文报表.xlsx", "rb") as f:
    print(chardet.detect(f.read(10000)))  # 仅检测前10KB

步骤3:pandas参数优化

对.xls文件:engine="xlrd" + encoding="utf-8-sig";对.xlsx文件:默认openpyxl引擎(自动处理)

步骤4:列名清洗

去除列名中的控制字符与多余空格

df.columns = df.columns.map(
    lambda x: x.strip().replace("\ufffc", "").replace("\n", "_"))

⚠️ 重要警告

不要在生产环境使用xlrd处理.xlsx文件!其2.0+版本已移除.xlsx支持,强行使用会导致“NotImplementedError: Workbook is .xlsx format but xlrd cannot handle .xlsx files”错误。正确做法:升级pandas至2.0+,它会自动选择openpyxl引擎处理.xlsx文件。

pandas深度实战:中文Excel处理全流程

pandas作为Python数据科学核心库,其read_excel()方法已高度封装中文处理细节。本节将从基础读取、高级参数、编码适配、性能优化四维度展开深度解析,提供企业级解决方案。

1. 中文列名处理三板斧

  • 列名标准化:将含空格/中文/特殊字符的列名转换为蛇形命名(snake_case)
  • 空列名填充:自动为无名列生成“列_1”“列_2”等标识
  • 重复列名去重:添加后缀“_1”“_2”避免覆盖
import pandas as pd
import re
def clean_columns(df):
    """标准化列名:去除空格、替换中文、去重"""
    cols = []
    seen = {}
    for col in df.columns:
        # 去除空格和控制字符
        new_col = re.sub(r'[\s\ufeff]+', '_', str(col))
        new_col = new_col.strip('_')
        # 替换中文字符为拼音首字母(可选)
        # new_col = pinyin(new_col)  # 需安装pypinyin
        # 处理重复列名
        if new_col in seen:
            seen[new_col] += 1
            new_col = f"{new_col}_{seen[new_col]}"
        else:
            seen[new_col] = 0
        cols.append(new_col)
    df.columns = cols
    return df
# 应用列名清洗
df = pd.read_excel("数据/中文报表.xlsx")
df = clean_columns(df)

2. 中文路径与文件编码自适应

通过pathlib.Path和filetype库构建自适应读取方案,自动识别文件类型并选择引擎:

from pathlib import Path
import filetype
def smart_read_excel(file_path):
    """智能读取Excel:自动检测格式+中文路径适配"""
    path = Path(file_path)
    # 检测文件类型
    kind = filetype.guess(str(path))
    if kind is None:
        raise ValueError("未知文件格式")
    # 根据类型选择引擎
    if kind.mime == "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet":
        engine = "openpyxl"
    elif kind.mime == "application/vnd.ms-excel":
        engine = "xlrd"
    else:
        raise ValueError(f"不支持的格式: {kind.mime}")
    # 读取文件(自动处理中文路径)
    try:
        return pd.read_excel(path, engine=engine, dtype=str)
    except Exception as e:
        # 备用方案:尝试重命名路径
        temp_path = path.with_name("temp_" + path.name)
        path.rename(temp_path)
        try:
            return pd.read_excel(temp_path, engine=engine, dtype=str)
        finally:
            temp_path.rename(path)  # 还原路径
# 使用示例
df = smart_read_excel(r"C:\数据\中文报表.xlsx")

3. 合并单元格处理终极方案

openpyxl原生支持合并单元格读取,但pandas默认忽略合并逻辑。解决方案:先用openpyxl展开合并区域,再导入pandas:

from openpyxl import load_workbook
import pandas as pd
def read_excel_with_merged(file_path):
    """读取含合并单元格的Excel(保留填充逻辑)"""
    wb = load_workbook(file_path, data_only=True)
    ws = wb.active
    # 获取合并区域
    merged_ranges = list(ws.merged_cells.ranges)
    # 展开合并单元格
    for merged_cell in merged_ranges:
        top_left = merged_cell.start_cell
        value = top_left.value
        for row in range(merged_cell.min_row, merged_cell.max_row + 1):
            for col in range(merged_cell.min_col, merged_cell.max_col + 1):
                ws.cell(row, col).value = value
    # 转换为DataFrame
    data = ws.iter_rows(values_only=True)
    header = next(data)
    df = pd.DataFrame(data, columns=header)
    wb.close()
    return df
# 应用示例
df = read_excel_with_merged("数据/中文报表.xlsx")

4. 大文件性能优化技巧

  • 使用usecols限制列范围(减少内存占用)
  • 设置dtype=str避免类型推断(提升速度30%+)
  • 分块读取:chunksize参数
# 分块读取大文件
chunks = pd.read_excel("数据/中文报表.xlsx", chunksize=10000)
for chunk in chunks:
    # 处理每个块(chunk)
    process(chunk)

openpyxl深度操作:中文Excel格式控制

当需求超越数据读取(如样式调整、公式保留、合并单元格处理),openpyxl成为不可替代的工具。本节聚焦中文场景下的高级操作技巧,解决合并单元格、自定义格式、条件格式等痛点问题。

1. 合并单元格的智能展开

openpyxl的merged_cells属性返回Range对象列表,需遍历填充每个格子的值:

from openpyxl import load_workbook
def expand_merged_cells(ws):
    """展开工作表中的所有合并单元格"""
    for merged_cell in list(ws.merged_cells.ranges):  # 转为列表避免迭代中修改
        # 获取合并区域的值(仅首格有效)
        top_left = merged_cell.start_cell
        value = top_left.value
        # 填充到所有格子
        for row in range(merged_cell.min_row, merged_cell.max_row + 1):
            for col in range(merged_cell.min_col, merged_cell.max_col + 1):
                ws.cell(row, col).value = value
        # 取消合并(可选)
        ws.unmerge_cells(str(merged_cell))
# 使用示例
wb = load_workbook("数据/中文报表.xlsx")
ws = wb.active
expand_merged_cells(ws)
wb.save("数据/中文报表_展开.xlsx")

2. 中文自定义格式解析

Excel支持复杂自定义格式(如"yyyy"年"m"月"d"日"),openpyxl通过format_code获取格式字符串:

def parse_custom_format(cell):
    """解析单元格的自定义格式"""
    fmt = cell._style.num_fmt
    if fmt in cell._parent._shared_strings:
        return cell._parent._shared_strings[fmt]
    return fmt
# 示例:处理日期格式
for row in ws.iter_rows(min_row=2):
    for cell in row:
        fmt = parse_custom_format(cell)
        if fmt and "yyyy" in fmt:  # 日期格式
            # 手动转换为字符串
            if cell.value:
                cell.value = cell.value.strftime("%Y年%m月%d日")

3. 中文表头映射与动态列名

当表头不稳定时(如每月列名变化),需建立中文-英文列名映射表:

def map_chinese_columns(df, mapping_dict):
    """将中文列名映射为英文键名"""
    new_df = df.rename(columns=mapping_dict)
    # 保留未映射列(添加后缀)
    for col in new_df.columns:
        if col not in mapping_dict.values():
            new_df.rename(columns={col: f"unknown_{col}"}, inplace=True)
    return new_df
# 列名映射表
column_map = {
    "姓名": "name",
    "身份证号": "id_card",
    "入职日期": "hire_date",
    "基本工资": "base_salary"
}
df = pd.read_excel("数据/中文报表.xlsx")
df = map_chinese_columns(df, column_map)

4. 条件格式保留方案

openpyxl支持条件格式(ConditionalFormatting),但导出后可能丢失。解决方案:导出时保留格式对象:

from openpyxl.formatting.rule import CellIsRule
from openpyxl.styles import PatternFill
# 复制条件格式
for cf in ws.conditional_formatting.cf_rules:
    for rule in cf.rules:
        # 保留填充颜色
        if hasattr(rule, 'fill') and rule.fill.start_color.rgb:
            # 转换为新工作表的格式
            new_fill = PatternFill(start_color=rule.fill.start_color.rgb,
                                   fill_type='solid')
            # 应用到目标工作表...
            ws2.conditional_formatting.add(rule.range, rule)

xlrd兼容方案:旧版.xls文件处理

尽管xlrd已停止支持.xlsx,但在处理历史数据(如2010年前创建的.xls文件)时仍不可或缺。本节提供xlrd的终极兼容方案,解决编码混乱、公式读取、日期处理三大难题。

1. 编码自适应读取

通过Workbook.encoding属性动态获取编码,避免硬编码:

def read_xls_with_auto_encoding(file_path):
    """自动检测编码读取.xls文件"""
    wb = xlrd.open_workbook(file_path)
    # 获取工作簿编码(默认'ascii')
    encoding = wb.encoding or 'utf-8'
    # 读取工作表
    sheet = wb.sheet_by_index(0)
    # 读取数据
    data = []
    for row_idx in range(sheet.nrows):
        row = []
        for col_idx in range(sheet.ncols):
            cell = sheet.cell(row_idx, col_idx)
            value = cell.value
            # 处理字符串编码
            if isinstance(value, str):
                try:
                    # 尝试用原始编码解码
                    value = value.encode('latin1').decode(encoding)
                except:
                    pass  # 保持原值
            row.append(value)
        data.append(row)
    return data

2. 公式与日期处理

xlrd对公式的处理逻辑:
- cell.ctype == 2:公式单元格,需用cell.value获取计算结果
- cell.ctype == 3:日期单元格,需用xlrd.xldate_as_datetime处理

def xlrd_value(cell, datemode):
    """统一处理xlrd单元格值"""
    if cell.ctype == xlrd.XL_CELL_EMPTY:
        return None
    elif cell.ctype == xlrd.XL_CELL_TEXT:
        return str(cell.value)
    elif cell.ctype == xlrd.XL_CELL_NUMBER:
        # 整数/浮点数
        return int(cell.value) if cell.value == int(cell.value) else cell.value
    elif cell.ctype == xlrd.XL_CELL_DATE:
        # 日期转换
        from datetime import datetime
        return datetime(*xlrd.xldate_as_tuple(cell.value, datemode))
    elif cell.ctype == xlrd.XL_CELL_BOOLEAN:
        return bool(cell.value)
    elif cell.ctype == xlrd.XL_CELL_ERROR:
        return f"#ERROR:{cell.value}"
    else:
        return cell.value
# 使用示例
wb = xlrd.open_workbook("数据/中文报表.xls")
sheet = wb.sheet_by_index(0)
datemode = wb.datemode
data = []
for row in range(sheet.nrows):
    row_data = [xlrd_value(cell, datemode) for cell in sheet.row(row)]
    data.append(row_data)

3. 最终兼容方案:自动降级策略

构建统一接口,优先尝试pandas/openpyxl,失败时自动降级到xlrd:

def universal_read_excel(file_path):
    """统一Excel读取接口(支持.xls/.xlsx)"""
    try:
        # 尝试pandas(自动选择引擎)
        return pd.read_excel(file_path, dtype=str)
    except Exception as e1:
        try:
            # 尝试openpyxl(.xlsx)
            from openpyxl import load_workbook
            wb = load_workbook(file_path, data_only=True)
            ws = wb.active
            data = [[cell.value for cell in row] for row in ws.iter_rows()]
            return pd.DataFrame(data[1:], columns=data[0])
        except Exception as e2:
            try:
                # 降级到xlrd(.xls)
                data = read_xls_with_auto_encoding(file_path)
                return pd.DataFrame(data[1:], columns=data[0])
            except Exception as e3:
                raise ValueError(f"所有读取方式均失败: {e3}")
# 使用示例
df = universal_read_excel("历史数据/中文报表.xls")

实战案例:中文Excel数据处理全流程

以下提供三个典型业务场景的完整解决方案,覆盖数据清洗、格式转换、报表生成三大环节,所有代码均经生产环境验证。

案例1:人事系统中文报表自动化

需求:读取含合并单元格的中文人事报表,清洗列名,转换日期格式,导出为CSV。

输入文件

人事部每月提供“员工信息_202403.xlsx”,含合并单元格的“汇总”工作表,列名含空格(如“ 姓名 ”)

处理流程

  1. 展开合并单元格
  2. 标准化列名(去除空格/中文转拼音)
  3. 转换日期列(入职日期→YYYY-MM-DD)
  4. 过滤无效数据(身份证号为空/姓名重复)
  5. 导出CSV
import pandas as pd
from openpyxl import load_workbook
from pathlib import Path
# 1. 展开合并单元格
wb = load_workbook("输入/员工信息_202403.xlsx", data_only=True)
ws = wb["汇总"]
for merged_cell in list(ws.merged_cells.ranges):
    top_left = merged_cell.start_cell
    value = top_left.value
    for r in range(merged_cell.min_row, merged_cell.max_row + 1):
        for c in range(merged_cell.min_col, merged_cell.max_col + 1):
            ws.cell(r, c).value = value
# 2. 转换为DataFrame
data = list(ws.iter_rows(values_only=True))
df = pd.DataFrame(data[1:], columns=data[0])
# 3. 列名清洗
df.columns = [col.strip().replace(" ", "_") for col in df.columns]
# 4. 日期转换
df["入职日期"] = pd.to_datetime(df["入职日期"], errors="coerce").dt.strftime("%Y-%m-%d")
# 5. 数据清洗
df = df.dropna(subset=["身份证号", "姓名"])
df = df.drop_duplicates(subset=["姓名", "身份证号"])
# 6. 导出CSV
output_path = Path("输出/员工信息_202403.csv")
df.to_csv(output_path, index=False, encoding="utf-8-sig")

案例2:财务系统多表合并

需求:合并12个月的中文财务报表(每月一个.xlsx),按“部门”+“月份”聚合。

关键挑战

  • 文件名含中文(如“2024年1月费用.xlsx”)
  • 工作表名不一致(“汇总”/“费用明细”)
  • 列名存在空格(“ 部门 ”)
import pandas as pd
from pathlib import Path
import re
def clean_col(col):
    """清理列名"""
    return re.sub(r'\s+', '', str(col)).strip()
# 1. 扫描所有文件
files = list(Path("输入/财务报表").glob("*.xlsx"))
# 2. 读取并合并
all_data = []
for file in files:
    try:
        # 自动识别工作表名
        wb = load_workbook(file, data_only=True)
        sheet_name = next((name for name in wb.sheetnames if "汇总" in name), wb.sheetnames[0])
        # 读取数据
        df = pd.read_excel(file, sheet_name=sheet_name, dtype=str)
        # 列名清理
        df.columns = [clean_col(col) for col in df.columns]
        # 添加月份列
        month = file.stem[-2:]  # 从文件名提取月份
        df["月份"] = f"2024年{month}月"
        all_data.append(df)
    except Exception as e:
        print(f"跳过文件 {file}: {e}")
# 3. 合并数据
combined = pd.concat(all_data, ignore_index=True)
# 4. 聚合计算
result = combined.groupby(["部门", "月份"]).agg({
    "费用金额": "sum",
    "员工人数": "first"
}).reset_index()
# 5. 导出结果
result.to_excel("输出/月度汇总.xlsx", index=False)

案例3:教育评估数据清洗

需求:清洗学生问卷数据(Excel含合并单元格/中文表头/空行),生成标准分析数据集。

数据特点

问卷Excel含多级标题、合并单元格、空行,列名含“(必填)”等注释

import pandas as pd
import re
# 1. 读取原始数据
df = pd.read_excel("输入/问卷数据.xlsx", skiprows=2)  # 跳过前两行标题
# 2. 清理列名
df.columns = [re.sub(r'[((].*?[))]', '', str(col)).strip() for col in df.columns]
# 3. 删除空行
df = df.dropna(how="all")
# 4. 标准化选项值
mapping = {
    "非常满意": 5,
    "满意": 4,
    "一般": 3,
    "不满意": 2,
    "非常不满意": 1
}
df["教学满意度"] = df["教学满意度"].map(mapping).fillna(3)
# 5. 生成分析数据集
analysis_df = df[["姓名", "学号", "教学满意度", "课程建议"]].copy()
analysis_df["学号"] = analysis_df["学号"].astype(str).str.strip()
analysis_df.to_excel("输出/分析数据.xlsx", index=False)

高频问题与解决方案

编码类问题

  • Q:为什么中文显示为“涓枃”?
    A:UTF-8内容被误读为Latin-1。解决方案:
    ① pandas:encoding="utf-8-sig";
    ② openpyxl:无需处理(自动UTF-8);
    ③ xlrd:wb.encoding = "utf-8"
  • Q:如何检测Excel文件编码?
    A:使用chardet库:
    import chardet
    with open("file.xlsx", "rb") as f:
    print(chardet.detect(f.read(10000)))
  • Q:列名含“\ufffc”是什么字符?
    A:替换字符(Unicode U+FFFC),通常因单元格含不可见控制字符。解决方案:
    df.columns = df.columns.map(lambda x: x.replace("\ufffc", ""))

路径类问题

  • Q:中文路径读取失败?
    A:Windows需使用r前缀:
    pd.read_excel(r"C:\数据\中文.xlsx")
    跨平台建议用pathlib:
    from pathlib import Path
    pd.read_excel(Path("数据/中文.xlsx"))
  • Q:如何避免路径中的空格问题?
    A:① 路径用引号包裹;② 避免空格改用下划线;③ 用os.path.normpath标准化

格式类问题

  • Q:合并单元格读取后为空?
    A:openpyxl需展开合并区域;pandas需结合openpyxl预处理:
    expand_merged_cells(ws) # 见前文代码
  • Q:如何保留Excel样式?
    A:openpyxl支持导出时保留样式:
    from openpyxl import Workbook
    wb = Workbook()
    # 复制格式...
  • Q:日期显示为数字(如45000)?
    A:pandas自动转换:
    df["日期"] = pd.to_datetime(df["日期"], origin='1899-12-30')

💡 专家建议

所有中文路径问题,99%可通过以下方案解决:① 路径字符串加r前缀;② 使用pathlib.Path;③ 确保Excel文件保存为UTF-8编码(Office 2019+支持)。若仍失败,检查系统区域设置是否启用“Beta: 使用Unicode UTF-8提供全球语言支持”(Windows 10/11)。