影刀RPA保姆级教程：多Excel文件自动合并与批量文件重命名

影刀RPA保姆级教程：多Excel文件自动合并与批量文件重命名

拼多多导出「近30天订单明细」有6个文件、淘宝导出「生意参谋-流量来源」有3个Sheet、TEMU导出「Order Report」是CSV格式——这些文件散落在不同文件夹里，每周手动合并至少要花1小时。

Excel文件合并和重命名是入门RPA最应该先自动化的场景——不需要登录、不需要等加载，纯粹是文件操作的体力活。

我也是从Excel合并开始上手影刀RPA的。第一次用Python脚本合并了12个文件只花了10秒，当场决定把所有重复性文件操作全交给RPA。这一篇把最常用的Excel合并和重命名方法拆干净。

影刀RPA操作Excel的方式选择

影刀RPA操作Excel有三种方式，场景不同选择不同：

方式	指令位置	优点	缺点
Excel指令	指令库→Excel操作	可视化，不用写代码	功能有限，大量文件处理慢
CSV指令	指令库→CSV/TXT操作	处理速度快	只能用CSV格式，不支持.xlsx

| Python脚本 | 指令库→Python脚本 | 功能最强，Pandas支持 | 需要写代码 |

文件数量超过5个时，用Python Pandas脚本——影刀RPA的Excel指令逐个打开文件效率太低。

多文件合并

场景一：同结构文件的纵向合并

每天从拼多多导出的数据文件结构完全相同，只是数据行不同。纵向追加即可。

# 合并多个结构相同的Excel文件（纵向追加）importpandasaspdimportosimportglob# 1. 指定文件夹路径（从影刀变量读取）folder_path=flow.get_variable("excel_folder")# 如 C:\RPA_Data\拼多多\# 匹配所有xlsx文件file_pattern=os.path.join(folder_path,"经营数据*.xlsx")files=glob.glob(file_pattern)iflen(files)==0:print("未找到匹配的文件！")raiseException("文件列表为空")print(f"找到{len(files)}个文件，开始合并...")# 2. 逐个读取并合并all_data=[]forfile_pathinfiles:try:df=pd.read_excel(file_path)# 添加来源文件名（方便追溯）df['来源文件']=os.path.basename(file_path)all_data.append(df)print(f"已读取:{os.path.basename(file_path)}({len(df)}行)")exceptExceptionase:print(f"读取失败:{file_path}, 错误:{e}")# 3. 合并所有数据merged=pd.concat(all_data,ignore_index=True)# 4. 去重（按关键列）# 如果文件之间可能有重复数据，用drop_duplicatesmerged=merged.drop_duplicates(subset=['订单号','商品ID'])# 5. 保存合并结果output_path=os.path.join(folder_path,f"合并汇总_{len(files)}个文件.xlsx")merged.to_excel(output_path,index=False)print(f"合并完成! 总行数:{len(merged)}, 保存至:{output_path}")flow.set_variable("merged_file",output_path)

场景二：不同Sheet的横向合并

一个Excel文件有多个Sheet，每个Sheet存储不同维度的数据，需要按关键字段横向拼接：

# 横向合并同一文件的不同Sheetimportpandasaspd file_path=r"C:\RPA_Data\淘宝\生意参谋.xlsx"# 读取所有Sheetsheet1=pd.read_excel(file_path,sheet_name='流量概况')sheet2=pd.read_excel(file_path,sheet_name='转化分析')sheet3=pd.read_excel(file_path,sheet_name='客群画像')# 按「日期」和「商品ID」横向合并merged=sheet1.merge(sheet2,on=['日期','商品ID'],how='left')merged=merged.merge(sheet3,on=['日期','商品ID'],how='left')merged.to_excel(r"C:\RPA_Data\淘宝\合并_全维度.xlsx",index=False)

场景三：多平台数据的统一格式合并

这是电商数据汇总最复杂的场景——拼多多、淘宝、TEMU的字段名和格式都不同。数据清洗后用统一列名合并：

# 多平台数据清洗后合并为标准格式importpandasaspd# 定义标准列名standard_cols=['平台','店铺','日期','销售额','订单数','访客数','转化率']records=[]# 读取拼多多数据并标准化pdd=pd.read_excel(r"C:\RPA_Data\拼多多\今日数据.xlsx")pdd=pdd.rename(columns={'成交金额(元)':'销售额','成交订单数':'订单数','访客数':'访客'})pdd['平台']='拼多多'records.append(pdd[standard_cols])# 读取淘宝数据并标准化tb=pd.read_excel(r"C:\RPA_Data\淘宝\今日数据.xlsx")![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/2da9378a1c584b429546ac5b984713c0.png#pic_center)tb=tb.rename(columns={'支付金额':'销售额','下单件数':'订单数'})tb['平台']='淘宝'records.append(tb[standard_cols])# 读取TEMU数据并标准化（注意汇率换算）temu=pd.read_csv(r"C:\RPA_Data\TEMU\sales.csv")temu['销售额']=temu['Revenue(USD)']*7.2temu['平台']='TEMU'records.append(temu[standard_cols])# 合并result=pd.concat(records,ignore_index=True)result.to_excel(r"C:\RPA_Data\全平台汇总.xlsx",index=False)

批量文件重命名

下载文件自动整理

影刀RPA采集数据时会下载大量文件，文件名通常是平台默认的——如导出数据.xlsx、report_20260626.csv。需要批量添加日期、平台前缀。

# 批量重命名：添加日期前缀和平台标识importosimportshutilfromdatetimeimportdatetime source_dir=flow.get_variable("download_dir")# 下载目录target_dir=flow.get_variable("archive_dir")# 归档目录today=datetime.now().strftime('%Y%m%d')platform=flow.get_variable("platform_name")# 如 拼多多# 遍历下载目录中的所有文件forfilenameinos.listdir(source_dir):iffilename.endswith(('.xlsx','.xls','.csv')):old_path=os.path.join(source_dir,filename)# 构造新文件名：{日期}_{平台}_{原文件名}new_filename=f"{today}_{platform}_{filename}"new_path=os.path.join(target_dir,new_filename)# 移动并重命名shutil.move(old_path,new_path)print(f"已归档:{filename}→{new_filename}")

根据文件内容智能重命名

文件名看不出内容时，读取Excel内容自动命名：

# 根据Excel内容智能重命名importpandasaspdimportos file_path=r"C:\RPA_Data\unknown_file.xlsx"df=pd.read_excel(file_path,nrows=3)# 只读前3行判断内容# 根据列名判断文件类型columns=df.columns.tolist()if'成交金额'instr(columns):file_type='拼多多日报'elif'支付金额'instr(columns):file_type='淘宝日报'elif'Revenue'instr(columns):file_type='TEMU日报'else:file_type='其他数据'# 尝试从数据中提取日期date_col=Noneforcolincolumns:if'日期'instr(col)or'date'instr(col).lower():date_col=colbreakifdate_col:sample_date=str(df[date_col].iloc[0])[:10]# 取第一条数据的日期new_name=f"{file_type}_{sample_date}.xlsx"else:fromdatetimeimportdatetime new_name=f"{file_type}_{datetime.now().strftime('%Y%m%d')}.xlsx"new_path=os.path.join(os.path.dirname(file_path),new_name)os.rename(file_path,new_path)print(f"智能重命名:{os.path.basename(file_path)}→{new_name}")

影刀RPA的文件操作指令整合

在实际流程中，文件合并和重命名作为一个子流程被调用：

子流程：文件归档与合并 ├── [Python脚本] → 批量重命名（添加日期前缀） ├── [移动文件] → 移入归档目录（影刀指令库→文件操作） ├── [Python脚本] → 同类型文件合并 ├── [Python脚本] → 多平台数据统一格式合并 ├── [删除文件] → 清理原始下载目录（可选） └── [返回] → 合并后的文件路径

影刀RPA文件操作指令速查（指令库→文件操作）：

指令	功能	关键参数
获取文件列表	列出文件夹所有文件	文件夹路径、文件类型过滤
移动文件	移动文件到新目录	源路径、目标路径
复制文件	复制文件到新目录	同上

| 重命名文件 | 修改文件名 | 文件路径、新文件名 |
| 删除文件 | 删除指定文件 | 文件路径 |
| 判断文件存在 | 检测文件是否存在 | 文件路径 |

常见问题/易错速查

推荐资源

• Pandasread_excel完整参数文档——处理各种Excel格式（合并单元格、多表头等）
• 影刀RPA「文件操作」系列指令帮助——右键指令→查看帮助
• 正则表达式测试工具regex101.com——批量重命名时的模式匹配调试

#影刀RPA #RPA自动化 #Excel合并 #文件处理 #批量重命名 #Pandas #数据清洗

作者：林焱

本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。