Python openpyxl 安装与文件读写核心操作详解

1. 项目概述：为什么是openpyxl？

如果你在Python的世界里需要处理Excel文件，尤其是.xlsx这种现代格式，那么openpyxl这个名字你大概率绕不过去。它不是什么新潮的库，但绝对是这个领域的“老黄牛”和“瑞士军刀”。我自己在数据分析、自动化报表、数据清洗这些日常工作中，跟它打交道没有上千次也有几百回了。简单来说，openpyxl就是一个纯Python写的库，让你能读取、写入、修改.xlsx和.xlsm格式的Excel文件，而且不需要在电脑上安装微软的Excel软件。

你可能会问，处理Excel不是有pandas吗？没错，pandas的read_excel和to_excel函数用起来确实方便，但它的底层引擎之一就是openpyxl。当你需要对Excel文件进行精细化的操作，比如设置单元格样式、调整行高列宽、插入图表、处理公式，或者操作多个工作表时，pandas的封装就显得有些力不从心，这时直接使用openpyxl就变得非常必要。它提供了对Excel文件底层结构的直接访问能力，让你能像搭积木一样，从最基础的单元格开始构建整个工作簿。

这个项目标题虽然看起来基础——“安装、打开和保存”，但这恰恰是使用任何工具的第一步，也是最容易踩坑的地方。网上教程很多，但往往只给命令，不说原理和环境差异，导致新手照着做却报错连连。今天，我就以一个过来人的身份，把这看似简单的三步，掰开了、揉碎了，结合我这些年遇到的各种“坑”，给你讲透。从怎么把它稳稳当当地装到你的电脑上，到如何正确地打开一个已有文件或创建一个新文件，再到最后如何确保你的修改被安全地保存，每一步都有门道。

2. 核心需求解析：不只是“打开保存”那么简单

表面上看，用户的需求就是安装一个库，然后能读写xlsx文件。但深挖下去，这背后隐藏着几个更具体、更实际的需求场景，理解了这些，你才能明白为什么有些操作是必须的，而有些“坑”是注定要踩的。

2.1 环境隔离与版本管理：避免“它在我电脑上是好的”

这是新手，甚至是一些有经验的开发者最容易忽略的一点。直接在你的系统Python环境里pip install openpyxl？这可能会为未来的项目埋下巨大的隐患。不同项目可能依赖不同版本的openpyxl或其他库，直接全局安装会导致版本冲突。想象一下，你半年前写的脚本，因为今天更新了某个库而突然无法运行，那种感觉糟透了。

因此，第一个核心需求是在独立、可控的环境中安装openpyxl。这通常意味着使用虚拟环境（Virtual Environment）。对于现代Python开发，我强烈推荐使用venv（Python 3.3+内置）或者conda（如果你在数据科学领域）。这能确保每个项目的依赖都是干净、隔离的，是专业开发的第一步。

2.2 兼容性与文件格式认知：xlsx不是xls

很多从旧时代走过来的数据，或者一些老系统导出的文件，可能还是.xls格式。这里有一个关键点：openpyxl只处理.xlsx和.xlsm（支持宏的xlsx）格式，不处理旧的.xls格式！这是由底层技术决定的，.xlsx本质是一个ZIP压缩包，里面是一系列XML文件，而.xls是二进制格式。

所以，当你的需求里出现“xlsx怎么改成xls”时，这本身就是一个误区。你不是在“改后缀名”，而是在进行文件格式转换。这需要另一个库，比如xlrd（读xls）和xlwt（写xls），或者使用pandas作为中间桥梁进行读写转换。理解这一点，能避免你对着一个.xls文件用openpyxl疯狂操作却始终打不开的尴尬。

2.3 操作模式的精细化区分：读、写、追加

“打开文件”这个动作，在openpyxl里需要根据你的意图明确指定模式，这直接关系到程序的效率和文件的安全性。

• 只读模式：当你只需要读取数据，不打算修改原文件时使用。这种模式加载最快，占用内存相对较少，因为它不会加载所有样式等信息。
• 读写模式：这是最常用的模式，允许你读取并修改文件。但需要注意，它默认会将整个工作簿加载到内存中。
• 只写模式：用于创建一个全新的Excel文件。如果你尝试用此模式打开一个已存在的文件，原文件内容会被清空。

混淆这些模式，可能会导致数据意外丢失（比如本想追加数据却用只写模式覆盖了）或性能问题（用读写模式打开一个几百MB的只读文件）。

2.4 异常处理与资源管理：安全地“打开和保存”

文件操作是I/O操作，充满了不确定性。文件可能不存在、可能被占用、路径可能包含中文或特殊字符导致编码错误、磁盘可能突然写满……一个健壮的程序必须能妥善处理这些异常。此外，像操作文件这种需要占用系统资源（文件句柄）的操作，必须确保在使用完毕后正确释放，即关闭文件。在Python中，最佳实践是使用with语句（上下文管理器），它能保证即使在发生异常时，文件也能被正确关闭，避免资源泄漏和文件损坏。

3. 环境准备与openpyxl安装详解

工欲善其事，必先利其器。跳过环境准备直接安装，是后续一切玄学错误的根源。我们一步步来，打造一个坚实的起点。

3.1 创建并使用Python虚拟环境

我以最通用的venv为例，在命令行（Windows的CMD/PowerShell， macOS/Linux的Terminal）中操作。

首先，为你项目创建一个专属目录并进入：

mkdir my_excel_project cd my_excel_project

然后，创建虚拟环境。环境文件夹的名字通常叫venv或.venv，我习惯用后者，因为有些工具（如VS Code）能自动识别。

# Windows python -m venv .venv # macOS/Linux python3 -m venv .venv

创建成功后，你需要激活这个虚拟环境，这样后续的所有pip安装命令都会作用在这个独立环境里，而不会影响系统。

# Windows (CMD) .venv\Scripts\activate.bat # Windows (PowerShell) .venv\Scripts\Activate.ps1 # 如果执行策略限制，可能需要先运行：Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser # macOS/Linux source .venv/bin/activate

激活后，你的命令行提示符前面通常会显示环境名，如(.venv)，这就表示你已经进入了虚拟环境。

注意：很多教程到这就结束了，但这里有个关键点：请确保你用来创建虚拟环境的python命令，是你想用的那个Python版本。有时系统有多个Python（比如Python 2.7和Python 3.9），你可能需要明确使用python3或指定完整路径。你可以先用python --version确认一下。

3.2 安装openpyxl及其版本选择

环境激活后，安装就非常简单了：

pip install openpyxl

pip会自动从PyPI（Python包索引）下载openpyxl及其依赖项（如et_xmlfile），并安装到当前虚拟环境中。

版本选择建议：

• 求稳：如果你项目已经稳定，且对新增特性无需求，可以指定一个已知稳定的版本，例如pip install openpyxl==3.0.10。这能最大程度避免因库更新引入的不兼容问题。
• 追新：直接pip install openpyxl会安装最新稳定版。openpyxl社区活跃，新版本会修复bug并增加新功能（比如对Excel新函数或图表类型的支持）。对于新项目，我通常建议使用最新稳定版。
• 查看版本：安装后，可以通过pip show openpyxl或python -c “import openpyxl; print(openpyxl.__version__)“来确认安装的版本。

3.3 验证安装与集成开发环境（IDE）配置

安装完成后，写一个最简单的脚本来验证：

import openpyxl print(f“openpyxl版本： {openpyxl.__version__}“) print(“模块导入成功！“)

在项目目录下保存为test_import.py，然后在激活的虚拟环境中运行python test_import.py，看到版本号输出即表示成功。

关于VSCode等IDE：如果你使用VSCode，需要确保它使用了正确的Python解释器。在VSCode中，按Ctrl+Shift+P，输入“Python: Select Interpreter”，然后选择路径中包含.venv或venv的那个解释器。这样，你在VSCode里运行和调试代码时，才会使用虚拟环境中的openpyxl库。这也是很多人在IDE里运行正常，在终端却报错ModuleNotFoundError的原因——两者使用的Python环境不同。

4. 核心操作：打开、加载与保存工作簿

安装妥当，我们进入正题。在openpyxl的世界里，一个Excel文件被称为一个“工作簿”（Workbook），里面包含一个或多个“工作表”（Worksheet）。

4.1 创建全新的工作簿

这是最简单的场景，相当于打开Excel软件，点击“新建”。

from openpyxl import Workbook # 创建一个新的工作簿对象 wb = Workbook() # 默认会创建一个名为‘Sheet’的工作表，我们可以通过 active 属性获取它 ws = wb.active ws.title = “我的第一个工作表“ # 给这个工作表改个名 # 在单元格A1中写入数据 ws[‘A1’] = “Hello“ ws[‘B1’] = “World!“ # 也可以使用 .cell(row, column, value) 方法，更便于循环操作 ws.cell(row=2, column=1, value=42) # 在A2单元格写入数字42 # 保存到文件 wb.save(“我的新工作簿.xlsx“)

这里有几个细节：

1. Workbook()创建的是内存中的一个工作簿对象，直到调用.save()方法，它才会被写入磁盘。
2. wb.active获取的是创建时默认激活（即打开Excel时看到的）的那个工作表。
3. 单元格可以通过Excel风格的[‘A1’]索引，也可以通过行列号(row, column)访问。注意，openpyxl的行列索引是从1开始的，不是0。
4. .save()方法需要传入一个文件路径。如果文件已存在，它会被静默覆盖！这是一个需要高度警惕的风险点。

4.2 加载已存在的工作簿

这是更常见的操作。openpyxl提供了不同的加载函数，对应不同的需求。

4.2.1 使用 load_workbook 进行读写

from openpyxl import load_workbook # 打开一个已存在的文件进行读写（默认模式） wb = load_workbook(‘现有文件.xlsx‘) # 获取所有工作表的名字 print(wb.sheetnames) # 通过名字获取特定工作表 ws = wb[‘Sheet1‘] # 或者获取活动工作表 ws = wb.active # 读取A1单元格的值 cell_value = ws[‘A1‘].value print(f“A1单元格的值是： {cell_value}“) # 修改B2单元格的值 ws[‘B2‘] = “修改后的内容“ # 保存更改（会覆盖原文件） wb.save(‘现有文件.xlsx‘)

默认的load_workbook(filename)模式是读写模式（read_only=False, keep_vba=False），它会将整个工作簿（包括样式、公式等）加载到内存中。这对于大多数中小型文件是合适的。

4.2.2 只读模式（read_only）处理大文件当你处理几十MB甚至上百MB的Excel文件，并且只需要读取数据，不关心样式、图表时，只读模式是你的救星。

from openpyxl import load_workbook # 以只读模式打开文件 wb = load_workbook(‘非常大的数据文件.xlsx‘, read_only=True) ws = wb[‘大数据‘] # 在只读模式下，只能遍历读取数据，不能写入，也不能通过 ws[‘A1‘] 随机访问（效率低） for row in ws.iter_rows(min_row=1, max_col=3, values_only=True): # values_only=True 只获取单元格的值，不获取单元格对象，更快更省内存 print(row) # 注意：只读模式下的工作簿对象不能调用 .save() 方法 # wb.save(...) # 这行会报错

重要提示：read_only模式是惰性加载，它按需读取文件内容，非常适合流式处理大数据。但代价是功能受限（不能写，某些属性访问受限）。使用后不需要手动关闭，因为数据不是全部加载到内存的，但好的习惯是处理完后将wb和ws的引用置为None。

4.2.3 只写模式（write_only）生成超大文件与read_only对应，当你需要程序化生成一个包含海量行数据（比如几十万行）的新Excel文件时，使用只写模式可以避免在内存中构建整个工作簿导致内存耗尽。

from openpyxl import Workbook # 创建一个只写模式的工作簿 wb = Workbook(write_only=True) ws = wb.create_sheet(title=“海量数据“) # 在只写模式下，不能使用 ws[‘A1‘] = ... 的方式赋值 # 必须使用 .append() 方法来添加行数据，它接受一个列表或元组 from openpyxl.cell.cell import WriteOnlyCell from openpyxl.styles import Font # 添加一行数据（作为标题） header = [“ID“, “姓名“, “销售额“] ws.append(header) # 如果需要样式，可以创建 WriteOnlyCell 对象 bold_font = Font(bold=True) cell = WriteOnlyCell(ws, value=“特殊标题“) cell.font = bold_font # 但.append()要求是一行，所以需要把单元格放在列表里 ws.append([cell, “其他内容“]) # 模拟添加10万行数据 for i in range(100000): # 每次append都会立即写入磁盘（流式写入），内存占用很小 ws.append([i+1, f“姓名{i}“, i * 100]) # 保存文件 wb.save(‘生成的超大文件.xlsx‘)

write_only模式牺牲了随机访问和读取能力，换来了极低的内存消耗，是数据导出的利器。

4.3 安全保存工作簿：覆盖、另存与备份

保存操作看似简单，但关乎数据安全。

4.3.1 直接覆盖保存wb.save(‘原文件名.xlsx‘)是最直接的方式，但风险最高。一旦保存，原文件内容将永久丢失。在生产环境中，除非有明确的版本控制或备份机制，否则应谨慎使用。

4.3.2 另存为新文件更安全的做法是始终保存为新文件，尤其是在进行自动化处理时。

import os from datetime import datetime original_file = ‘data.xlsx‘ wb = load_workbook(original_file) # ... 一些修改操作 ... # 方法1：简单添加后缀 new_file = original_file.replace(‘.xlsx‘, ‘_modified.xlsx‘) wb.save(new_file) # 方法2：添加时间戳，避免重复 timestamp = datetime.now().strftime(“%Y%m%d_%H%M%S“) new_file = f“data_{timestamp}.xlsx“ wb.save(new_file) # 方法3：保存在特定输出目录 output_dir = ‘./output‘ os.makedirs(output_dir, exist_ok=True) # 确保目录存在 new_file_path = os.path.join(output_dir, new_file) wb.save(new_file_path)

4.3.3 使用with语句确保资源释放虽然openpyxl的load_workbook和save不像普通文件操作那样必须显式关闭，但使用with语句是一个极好的习惯，尤其是结合只读/只写模式时，它能更清晰地界定资源生命周期。不过需要注意的是，标准load_workbook不是上下文管理器。我们可以将其包装，或手动管理。更常见的做法是，在完成所有操作后确保调用save（如果需要），并将对象引用脱离作用域。

一个模拟with的好模式是：

def process_excel(filepath): wb = load_workbook(filepath, read_only=True) try: ws = wb.active # 处理数据... data = [] for row in ws.iter_rows(values_only=True): processed_row = some_processing_function(row) data.append(processed_row) # 注意：read_only模式不能save，这里通常是将处理后的数据返回或用于其他用途 return data finally: # 对于read_only模式，虽然没有close方法，但显式删除引用有助于垃圾回收 # 对于可读写模式，如果修改了，应该在这里调用 wb.save(‘new_path‘) del wb

5. 文件路径、编码与常见陷阱处理

在实际操作中，很多错误并非源于openpyxl本身，而是文件路径和系统环境导致的。

5.1 处理文件路径问题

绝对路径 vs 相对路径：

• 相对路径：如‘data.xlsx‘或‘./subfolder/data.xlsx‘。它相对于当前Python脚本运行的工作目录。这个“当前目录”可能因你从终端、IDE还是其他程序启动脚本而不同，容易导致FileNotFoundError。
• 绝对路径：如‘C:/Users/Name/project/data.xlsx‘（Windows）或‘/home/name/project/data.xlsx‘（Linux/macOS）。它明确指定了文件位置，更可靠，但移植性差。

推荐做法：使用os.path模块来构建与当前脚本位置相关的可靠路径。

import os # 获取当前脚本文件所在的目录 script_dir = os.path.dirname(os.path.abspath(__file__)) # 构建数据文件的绝对路径 data_file_path = os.path.join(script_dir, ‘data‘, ‘input.xlsx‘) # 现在用这个路径去加载文件 wb = load_workbook(data_file_path)

这样，无论你的脚本从哪里被调用，都能正确找到data/input.xlsx文件（假设它和脚本在相对固定的位置）。

处理路径中的空格和特殊字符：Windows路径中的空格是允许的，但为了安全，尤其是在拼接路径时，使用os.path.join()可以避免手动处理斜杠/或反斜杠\的问题。如果路径包含中文等非ASCII字符，确保你的Python脚本文件保存的编码是UTF-8（现代编辑器的默认设置），通常不会有问题。

5.2 文件被占用或权限错误

当你尝试保存文件时，可能会遇到PermissionError。这通常是因为：

1. 文件正在被其他程序（如Excel、WPS）打开。
2. 你没有该文件的写入权限。
3. 你尝试保存到一个不存在的目录，且没有创建目录的权限。

解决方案：

• 检查并关闭打开该文件的任何其他应用程序。
• 在保存前，检查目标目录是否存在且可写。
• 使用try…except块捕获异常，给用户友好的提示。

import os from openpyxl import load_workbook output_path = ‘./results/output.xlsx‘ output_dir = os.path.dirname(output_path) try: # 确保输出目录存在 os.makedirs(output_dir, exist_ok=True) wb = load_workbook(‘input.xlsx‘) # ... 处理 ... wb.save(output_path) print(f“文件已成功保存至：{output_path}“) except PermissionError: print(f“错误：无法保存文件。请检查：") print(f“ 1. 文件 ‘{output_path}‘ 是否正被其他程序（如Excel）打开？“) print(f“ 2. 目录 ‘{output_dir}‘ 是否有写入权限？“) except Exception as e: print(f“保存过程中发生未知错误：{e}“)

5.3 文件格式错误与兼容性

打不开文件？首先确认文件扩展名确实是.xlsx或.xlsm，并且文件没有损坏。你可以尝试用Excel软件手动打开一下。如果Excel能打开而openpyxl报错（如InvalidFileException），可能是文件包含了一些openpyxl不完全支持的特性（如某些特殊的图表、表单控件等）。可以尝试用Excel将文件另存为一个新的.xlsx文件，有时能解决。

需要处理.xls文件？如前所述，openpyxl不行。你需要使用xlrd（已停止维护，但可读旧版.xls）或pandas。

import pandas as pd # 使用pandas读取.xls文件，它底层会调用xlrd df = pd.read_excel(‘旧文件.xls‘, engine=‘xlrd‘) # 处理数据... # 如果需要用openpyxl引擎保存为.xlsx df.to_excel(‘新文件.xlsx‘, index=False, engine=‘openpyxl‘)

6. 性能优化与最佳实践心得

当数据量变大时，一些不经意的操作会成为性能瓶颈。以下是我在实践中总结的几个关键点。

6.1 内存与速度的权衡：三种模式的选用指南

我们已经讨论了read_only和write_only模式。这里系统总结一下：

选择原则：明确你的核心操作是“读”、“写”还是“改”。对于“改”，如果文件很大，考虑是否可以先read_only读取所需数据，在内存中处理，再用write_only写入新文件。

6.2 高效读写单元格数据

即使在默认模式下，遍历单元格的方式也极大影响性能。

避免逐单元格随机访问：

# 不推荐：效率低下，尤其是行列号需要计算时 for i in range(1, 1001): for j in range(1, 101): ws.cell(row=i, column=j).value = i * j # 推荐：使用 iter_rows 或 iter_cols 批量操作 for row in ws.iter_rows(min_row=1, max_row=1000, min_col=1, max_col=100): for cell in row: cell.value = cell.row * cell.column # 注意：cell.column是数字，不是字母

iter_rows是生成器，按需产生单元格对象，比连续调用cell()方法更高效。

使用values_only加速纯数据读取：如果只需要值，不需要样式、公式等元数据，一定要用values_only=True。

# 慢：获取完整的单元格对象 data_with_objects = [] for row in ws.iter_rows(min_row=1): data_with_objects.append([cell.value for cell in row]) # 快：直接获取值 data_values_only = list(ws.iter_rows(min_row=1, values_only=True)) # 或者 data_values_only = list(ws.values) # ws.values 是一个生成器，返回所有行的值

6.3 管理样式与公式以提升性能

样式和公式是Excel文件“变胖”的主要原因。

• 样式复用：为大量单元格设置相同样式时，先创建一个样式对象，然后赋值给单元格的.style属性，而不是每次循环都创建新样式对象。

  from openpyxl.styles import Font, PatternFill, Alignment # 创建一次样式对象 header_font = Font(bold=True, color=“FF0000“) header_fill = PatternFill(start_color=“FFFF00“, end_color=“FFFF00“, fill_type=“solid“) for cell in ws[“1:1“]: # 第一行的所有单元格 cell.font = header_font cell.fill = header_fill

• 公式处理：openpyxl可以读写公式（以=开头的字符串）。但需要注意，它不计算公式结果。当你打开一个包含公式的文件时，.value属性显示的是公式字符串本身（如‘=SUM(A1:A10)‘）。如果你需要计算结果，要么在Excel中手动打开保存一次，要么使用data_only=True模式加载工作簿，这会加载上次Excel计算缓存的值（但公式信息会丢失）。

  wb = load_workbook(‘带公式的文件.xlsx‘, data_only=True) ws = wb.active print(ws[‘C10‘].value) # 这里输出的是公式计算后的结果，而不是‘=SUM(A1:A10)‘

6.4 一个综合实战案例：批量处理多个Excel文件

最后，我们用一个常见的场景串联所有知识点：批量读取某个文件夹下所有.xlsx文件的第一个工作表，提取特定列的数据，汇总到一个新的Excel文件中。

import os from openpyxl import Workbook, load_workbook from datetime import datetime def batch_process_excel(input_folder, output_file, column_to_extract=“B“): “““ 批量处理Excel文件 :param input_folder: 输入文件夹路径 :param output_file: 输出文件路径 :param column_to_extract: 要提取的列字母，例如 ‘B‘ “““ # 1. 准备输出工作簿（使用只写模式，假设可能数据量大） output_wb = Workbook(write_only=True) output_ws = output_wb.create_sheet(title=“汇总数据“) # 添加表头 output_ws.append([“源文件名“, “行号“, f“列{column_to_extract}的值“]) # 2. 遍历输入文件夹 processed_count = 0 error_files = [] for filename in os.listdir(input_folder): if not filename.lower().endswith(‘.xlsx‘): continue # 跳过非xlsx文件 filepath = os.path.join(input_folder, filename) print(f“正在处理： {filename}“) try: # 3. 以只读模式打开每个文件，提高性能 with load_workbook(filepath, read_only=True) as input_wb: input_ws = input_wb.active # 假设处理第一个工作表 # 4. 遍历行，提取指定列的数据 # 我们不知道有多少行，所以不设max_row，让生成器自己走到尾 for row in input_ws.iter_rows(min_row=2, values_only=True): # 假设第一行是标题 # 根据列字母获取索引。例如 ‘B‘ -> 2 col_index = ord(column_to_extract.upper()) - ord(‘A‘) + 1 # 确保行数据足够长 if len(row) >= col_index: value_to_extract = row[col_index - 1] # 列表索引从0开始 # 5. 将数据追加到输出文件 output_ws.append([filename, row[0], value_to_extract]) # 假设第一列是行ID else: # 该行没有我们要的列，可以跳过或记录 output_ws.append([filename, row[0] if row else “N/A“, “列不存在“]) processed_count += 1 except Exception as e: error_msg = f“处理文件 ‘{filename}‘ 时出错：{e}“ print(error_msg) error_files.append((filename, str(e))) # 可以选择将错误信息也写入输出文件 output_ws.append([filename, “ERROR“, str(e)]) # 6. 保存输出文件 output_wb.save(output_file) # 7. 打印报告 print(f“\n处理完成！“) print(f“成功处理文件数：{processed_count}“) print(f“输出文件：{output_file}“) if error_files: print(f“处理失败的文件：") for fname, err in error_files: print(f“ - {fname}: {err}“) # 使用示例 if __name__ == “__main__“: input_folder = “./input_excels“ # 你的输入文件夹 output_file = f“./output/汇总_{datetime.now().strftime(‘%Y%m%d_%H%M‘)}.xlsx“ # 确保输出目录存在 os.makedirs(os.path.dirname(output_file), exist_ok=True) batch_process_excel(input_folder, output_file, column_to_extract=“C“)

这个案例涵盖了路径处理、异常捕获、只读模式遍历、只写模式追加、以及基本的流程控制，是一个可以直接拿来修改使用的模板。记住，处理文件I/O和批量任务时，稳健的异常处理和清晰的日志输出是调试和排错的生命线。