前言
在日常工作中，很多小伙伴每天都要花费大量时间处理 Excel 表格：批量修改单元格内容、合并多个工作表、统计数据、设置单元格样式。重复的复制粘贴、筛选统计枯燥又容易出错，当表格数量达到几十上百份时，纯手工操作几乎难以完成。Python 作为一门简单易上手的编程语言，搭配 openpyxl 库，可以高效实现 Excel 自动化。本文就从环境安装到完整实战案例，手把手教大家使用 openpyxl 处理 xlsx 格式文件，读完你就可以直接修改代码用到自己工作场景。
注意：openpyxl 仅支持.xlsx 格式，不支持老版本.xls 文件，如果需要处理 xls 文件，可以使用 xlrd 库。
一、环境准备
首先确认已经安装 Python 环境，推荐 Python3.8 及以上版本。打开终端或者 cmd，执行 pip 命令安装 openpyxl：
pip install openpyxl安装完成后，我们就可以开始编写代码。openpyxl 核心包含三个对象：Workbook 工作簿对象，对应一个 Excel 文件；Worksheet 工作表对象，对应文件里的 sheet；Cell 单元格对象，对应表格里的单个格子。理解这三个对象，基本就掌握了 openpyxl 的核心逻辑。
二、基础操作：新建 Excel，写入数据
先来最简单的示例，新建一个 Excel 文件，创建工作表，写入基础数据。
from openpyxl import Workbook # 创建工作簿 wb = Workbook() # 获取默认工作表 ws = wb.active # 修改工作表名称 ws.title = "员工信息" # 写入单行数据 ws["A1"] = "姓名" ws["B1"] = "部门" ws["C1"] = "薪资" # 按行批量写入 data_list = [ ["张三", "研发部", 12000], ["李四", "市场部", 9000], ["王五", "财务部", 8500] ] for row in data_list: ws.append(row) # 保存文件 wb.save("员工信息表.xlsx")运行代码之后，当前目录会生成员工信息表.xlsx。除了用 A1 这种坐标，也可以使用ws.cell(row=2,column=1,value="张三")，通过行号列号写入数据，在循环处理大量数据时更加方便。
三、实战案例：读取已有 Excel，批量统计薪资总和
工作中经常需要读取已有的表格，读取数据之后做统计。假设我们上面生成的员工信息表，现在需要读取所有员工薪资，计算总薪资、平均薪资。
from openpyxl import load_workbook # 加载已有文件，read_only=False代表可读写 wb = load_workbook("员工信息表.xlsx") ws = wb["员工信息"] salary_sum = 0 count = 0 # 从第二行开始遍历，跳过表头第一行 for row in ws.iter_rows(min_row=2, values_only=True): name, dept, salary = row salary_sum += salary count +=1 avg_salary = salary_sum / count print(f"员工总薪资：{salary_sum}，平均薪资：{avg_salary:.2f}") # 将统计结果写入表格末尾 ws[f"A{count+3}"] = "合计" ws[f"C{count+3}"] = salary_sum wb.save("员工信息表.xlsx")iter_rows是非常好用的方法，values_only=True代表只获取单元格的值，不需要单元格对象，减少内存占用。如果表格数据量上万行，推荐开启只读模式load_workbook(filename, read_only=True)提升运行速度。
四、进阶：设置单元格字体、边框样式
导出报表的时候，往往需要美化表格，设置表头加粗、字体颜色、单元格边框。openpyxl 的 styles 模块可以实现样式自定义。
from openpyxl.styles import Font, Border, Side # 定义字体样式：加粗，字号12 header_font = Font(bold=True, size=12) # 定义边框 thin_border = Border(left=Side(style='thin'), right=Side(style='thin'), top=Side(style='thin'), bottom=Side(style='thin')) # 设置A1:C1表头样式 for col in ["A","B","C"]: cell = ws[f"{col}1"] cell.font = header_font cell.border = thin_border wb.save("员工信息表.xlsx")五、常见踩坑总结
- 文件打开占用问题：代码保存 Excel 的时候，一定要关闭 Excel 文件，否则会报权限错误；
- 格式限制：openpyxl 不支持 xls，如果是 xls 文件，需要转换或者更换库；
- 大数据性能：几万行数据不要直接读写全部单元格，优先使用 iter_rows + 只读模式；
- 公式：读取表格的时候，默认拿到的是公式结果，不是公式文本。
六、结语
Python+openpyxl 自动化 Excel，核心思路就是把人工的操作转换成代码循环。掌握这套方案之后，你可以扩展更多场景：批量拆分 Excel、多文件数据汇总、自动生成周报。很多人觉得编程很难，但办公自动化是 Python 最容易落地的场景。不用精通全部语法，只需要学会对应库的基础 API，就能解放双手，把时间留给更有价值的工作。后续我还会分享 Python 处理 Word、PPT 自动化的案例，感兴趣可以关注。
