影刀RPA新手教程：多Excel文件合并完全指南——按列合并、去重汇总与格式统一化实战

影刀RPA新手教程：多Excel文件合并完全指南——按列合并、去重汇总与格式统一化实战

本文作者：林焱 | 转载请注明出处

开篇案例：12个部门的Excel，合并完格式全乱了

今年初做一个项目，要把12个分公司的月度报表合并成一张总表。

每个分公司的Excel格式都一样（都是人力资源部发的模板），我想当然地用影刀的"合并Excel"指令一键合并。

合并完打开一看：第3列在第5个文件里变成了日期格式，第7列的数字变成了科学计数法，表头行数还不统一（有的分公司多了一行说明文字）。

原因是：虽然用了模板，但各分公司填的时候，Excel自动把某些列的格式给改了。

比如某分公司在"工号"列里填了"00123"，Excel自动把前面的0去掉了，格式也从文本变成了数字。

这次经历让我明白：合并Excel之前，一定要先统一格式，否则合并完还要花更多时间清洗。

本文所有案例，围绕"12个分公司月度报表合并"这条真实业务线展开。

模块一：安装与准备工作

合并多个Excel，推荐用Python的pandas库。

安装：pip install pandas openpyxl

pandas的concat和merge功能非常强大，比影刀自带指令灵活很多。

如果你还没配置好Python环境，参考 home.linyan.cloud 上的安装教程。

新建流程，命名为"多Excel合并Demo"。

模块二：元素定位（从网页下载多个Excel）

多个Excel往往需要从网页后台批量下载。

比如：每个月要在后台选12个分公司，分别点"导出"，下载12个Excel。

批量下载的实现

importtime# 伪代码，对应影刀的循环+点击指令forbranchin["北京","上海","广州","深圳",...]:# 选择分公司select_branch(branch)# 点击导出click_export()# 等待下载完成time.sleep(3)

更高效的做法：用API批量导出

如果后台有API，可以一次请求导出所有分公司的数据，不需要逐个点击。

用影刀的"发送HTTP请求"指令，或者Python的requests库。

模块三：变量与数据类型（合并时的数据类型冲突）

合并多个Excel时，最常见的问题是：同一列在不同文件里的数据类型不一样。

比如：

• 文件1的"工号"列是文本（“00123”）
• 文件2的"工号"列是数字（123）

合并时pandas会尝试自动推断类型，可能导致数据丢失（前面的0被去掉）。

解决方法：读取时强制指定类型

importpandasaspddefread_excel_with_types(filepath,type_map):""" 读取Excel，强制指定列类型 type_map: {"列名": "str"} # 强制工号列为字符串 """df=pd.read_excel(filepath,dtype=type_map)returndf# 用法type_map={"工号":str,"手机号":str,# 手机号必须是字符串，否则前面的0会丢"身份证号":str,# 同理}df=read_excel_with_types("北京分公司.xlsx",type_map)

我当时踩过这个坑：合并完才发现工号前面的0全没了，只好重新处理一遍。

模块四：流程控制（合并流程的标准结构）

多Excel合并的标准流程：

1. 扫描文件夹，获取所有Excel文件路径 2. 对每一个文件： 2.1 检查文件是否完整（能正常打开） 2.2 读取数据，统一格式 2.3 检查必要列是否存在 2.4 追加到总表 3. 对总表进行去重和清洗 4. 保存合并结果 5. 生成合并报告（每个文件的行数、合并后总行数、去重情况）

在影刀里，步骤1用"获取文件列表"指令，步骤2用循环，步骤3-4用Python代码，步骤5用写入Excel指令。

模块五：网页自动化（结合Excel合并）

有些场景不需要先下载Excel再合并，可以直接在网页上抓取所有分公司的数据，存到一个Excel里。

这样就跳过了"合并"这一步。

判断该不该先下载再合并

• 如果数据量小（每个文件不到1000行），直接在网页上抓，存到一个Excel里。
• 如果数据量大，或者网页有反爬，先导出再合并。

模块六：数据处理——按列合并（横向合并）

"按列合并"是指：两个表的行数相同，把它们的列拼在一起。

比如：表A有"工号、姓名"，表B有"部门、职位"，按工号对齐后合并成一张表。

importpandasaspddefmerge_excel_horizontal(file1,file2,output_path,key_column):""" 横向合并两个Excel（类似VLOOKUP，但是用pandas做） """df1=pd.read_excel(file1)df2=pd.read_excel(file2)# 用merge横向合并result=pd.merge(df1,df2,on=key_column,how="left")result.to_excel(output_path,index=False)print(f"横向合并完成：{file1}+{file2}->{output_path}")print(f"结果：{len(result)}行，{len(result.columns)}列")

多文件横向合并（按相同列名自动对齐）

importpandasaspdimportglobdefmerge_multiple_excel_horizontal(file_pattern,output_path,key_column):""" 多个Excel按key_column横向合并 适用于：每个文件是一个月的销售数据，要合并到一张表里 """files=glob.glob(file_pattern)print(f"找到{len(files)}个文件")# 读取第一个文件作为基准result=pd.read_excel(files[0])# 逐个横向合并forfilepathinfiles[1:]:df=pd.read_excel(filepath)result=pd.merge(result,df,on=key_column,how="outer",suffixes=("",f"_{get_month_from_filename(filepath)}"))result.to_excel(output_path,index=False)print(f"多文件横向合并完成，结果保存到：{output_path}")

模块七：数据处理——纵向合并（追加行）

"纵向合并"是最常用的：把多个结构相同的Excel拼成一个，就是把行追加起来。

importpandasaspdimportglobdefmerge_excel_vertical(file_pattern,output_path):""" 纵向合并多个Excel（追加行） file_pattern: 如 "C:/Reports/分公司*.xlsx" """files=glob.glob(file_pattern)print(f"找到{len(files)}个Excel文件")all_dfs=[]file_rows={}# 记录每个文件的行数forfilepathinfiles:try:df=pd.read_excel(filepath)file_rows[filepath]=len(df)# 加一列"来源文件"，方便追溯df["_来源文件"]=filepath.split("\\")[-1]all_dfs.append(df)print(f"已读取：{filepath}（{len(df)}行）")exceptExceptionase:print(f"读取失败：{filepath}，错误：{e}")# 纵向合并result=pd.concat(all_dfs,ignore_index=True)# 保存result.to_excel(output_path,index=False)# 打印报告print(f"\n=== 合并报告 ===")print(f"输入文件数：{len(files)}")print(f"合并前行数：{sum(file_rows.values())}")print(f"合并后行数：{len(result)}")print(f"结果保存到：{output_path}")returnresult

模块八：数据处理——去重汇总

合并完后，可能有重复行（比如某个分公司的数据被导出了两次）。

importpandasaspddefdeduplicate_and_summarize(df,key_columns):""" 去重并汇总 key_columns: 用于去重的列（如 ["工号"] 或 ["工号", "月份"]） """print(f"去重前列数：{len(df)}")# 去重（保留第一次出现）df_dedup=df.drop_duplicates(subset=key_columns,keep="first")print(f"去重后行数：{len(df_dedup)}")print(f"删除了{len(df)-len(df_dedup)}条重复数据")# 汇总统计（以数值列为例）numeric_cols=df_dedup.select_dtypes(include=["number"]).columnsiflen(numeric_cols)>0:print("\n=== 数值列汇总 ===")print(df_dedup[numeric_cols].sum())returndf_dedup

模块九：鼠标键盘与图像操作（处理加密Excel）

合并时遇到加密Excel，需要先解密。

如果是"打开密码"，可以用以下方法批量去除（需要知道密码）：

fromopenpyxlimportload_workbookdefremove_password_batch(file_list,password,output_dir):""" 批量去除Excel打开密码 注意：这个方法只适用于知道密码的情况 不知道密码的情况需要用专业工具 """importos os.makedirs(output_dir,exist_ok=True)forfilepathinfile_list:try:# openpyxl无法直接处理有打开密码的文件# 需要用msoffcrypto-toolimportmsoffcrypto decrypted_path=os.path.join(output_dir,os.path.basename(filepath))withopen(filepath,"rb")asf:office_file=msoffcrypto.OfficeFile(f)ifoffice_file.is_encrypted():withopen(decrypted_path,"wb")asout:office_file.decrypt(password,out)print(f"已解密：{filepath}")else:# 没有加密，直接复制importshutil shutil.copy(filepath,decrypted_path)exceptExceptionase:print(f"解密失败：{filepath}，错误：{e}")

安装解密工具：pip install msoffcrypto-tool

模块十：进阶技能

技能一：合并时统一格式

合并前先统一所有文件的格式，避免合并后格式混乱：

fromopenpyxlimportload_workbookdefnormalize_excel_format(filepath,output_path):""" 统一Excel格式：所有列设为文本格式 """wb=load_workbook(filepath)ws=wb.activeforcolinws.columns:forcellincol:# 把单元格格式设为文本cell.number_format="@"wb.save(output_path)print(f"格式已统一：{output_path}")

技能二：处理合并单元格

合并Excel时，如果某个文件有合并单元格，读取时会只有左上角有值，其他单元格是空的。

用前面文章里介绍的unmerge_cells函数处理。

技能三：大批量Excel合并（内存优化）

如果Excel文件很多（超过100个），或者每个文件很大，不要一次性读入内存。

用逐文件处理方式：

importpandasaspddefmerge_large_excels(file_pattern,output_path,chunk_size=5000):""" 大批量Excel合并，逐块写入，节省内存 """importglob files=glob.glob(file_pattern)writer=pd.ExcelWriter(output_path,engine="openpyxl")first=Trueforfilepathinfiles:df=pd.read_excel(filepath)iffirst:df.to_excel(writer,index=False,startrow=0)first=Falseelse:# 追加写入，不要表头df.to_excel(writer,index=False,startrow=writer.sheets["Sheet1"].max_row,header=False)writer.close()print(f"大批量合并完成：{output_path}")

模块十一：平台实战

把Excel合并流程部署到影刀控制台时，注意以下几点。

要点一：文件路径用配置管理

创建一个merge_config.json：

{"input_dir":"C:/Reports/raw","output_dir":"C:/Reports/merged","file_pattern":"分公司*.xlsx","key_columns":["工号"],"notify_email":"admin@example.com"}

流程启动时读取配置，换环境时只改配置文件。

要点二：合并完成后自动通知

defsend_merge_notification(result_path,row_count):""" 合并完成后发通知（用影刀的"发送钉钉消息"或"发送邮件"指令） """message=f"Excel合并完成\n结果文件：{result_path}\n总行数：{row_count}"print(f"发送通知：{message}")

要点三：用控制台查看合并任务执行状态

在影刀控制台的任务监控页面，可以看到合并任务的执行时长和结果。

如果某次合并特别慢，可能是某个Excel文件格式有问题，需要单独检查。

模块十二：系统联动与工程化规范

工程化规范一：合并前先备份

importshutilimportosfromdatetimeimportdatetimedefbackup_before_merge(input_dir):backup_dir=f"C:/Reports/backup/{datetime.now().strftime('%Y%m%d')}"os.makedirs(backup_dir,exist_ok=True)forfilenameinos.listdir(input_dir):iffilename.endswith(".xlsx"):src=os.path.join(input_dir,filename)dst=os.path.join(backup_dir,filename)shutil.copy(src,dst)print(f"原始文件已备份到：{backup_dir}")

工程化规范二：合并报告自动生成

defgenerate_merge_report(files,result_df,output_path):""" 生成合并报告（HTML格式，方便邮件发送） """report=f""" <html> <body> <h2>Excel合并报告</h2> <p>合并时间：{datetime.now()}</p> <p>输入文件数：{len(files)}</p> <p>合并后行数：{len(result_df)}</p> <p>合并后列数：{len(result_df.columns)}</p> <h3>各文件行数</h3> <ul> """forfinfiles:# ... 统计每个文件的行数report+=f" <li>{f}</li>\n"report+="</ul></body></html>"withopen("merge_report.html","w",encoding="utf-8")asf:f.write(report)print("合并报告已生成：merge_report.html")

速查表：Excel合并方式选择

报错排查指南

报错：ValueError: Length of values does not match length of index

原因：横向合并时，两个表的行数不对齐。

解决：检查关键列的值是否一一对应，用how="outer"保留所有行。

报错：UnicodeDecodeError when reading Excel

原因：Excel文件损坏或者格式不对。

解决：用Excel手动打开文件，另存为新的xlsx文件，再用pandas读取。

总结

多Excel文件合并，核心要点：合并前先统一格式、用pandas的concat或merge、合并后去重并生成报告。

把这三个步骤做到位，合并出来的数据就不会再有格式问题。

更多Excel合并的高级场景和代码，访问 home.linyan.cloud 获取。

#影刀RPA #RPA教程 #Excel合并 #数据处理 #Pandas

作者：林焱