如何用Python解析Office Open XML (XLSX)文件

Office Open XML格式的XLSX文件本质是遵循特定规范的ZIP压缩包，内部包含多个XML文件，分别存储工作表、单元格数据、样式、共享字符串等内容。使用Python解析XLSX文件有两种常见思路，一种是借助成熟的第三方库快速实现，另一种是手动解压后解析内部XML文件。

XLSX文件的基本结构

将XLSX文件的后缀名修改为zip后解压，可以看到以下核心目录和文件：

• _rels目录：存储文件关系配置
• xl目录：核心内容目录，包含worksheets（工作表目录）、sharedStrings.xml（共享字符串）、styles.xml（样式配置）等文件
• [Content_Types].xml：记录所有文件的内容类型

其中单元格的文本内容如果长度超过一定阈值，会被存储到sharedStrings.xml中，工作表的XML文件只存储对应的索引，解析时需要做映射处理。

使用openpyxl库解析XLSX

openpyxl是Python中专门处理XLSX文件的第三方库，支持读取和写入XLSX格式，使用起来非常简单。首先需要安装该库：

pip install openpyxl

读取工作表数据

以下是读取XLSX文件中所有工作表数据的示例代码：

import openpyxl

# 加载XLSX文件
workbook = openpyxl.load_workbook("test.xlsx")
# 获取所有工作表名称
sheet_names = workbook.sheetnames
print("所有工作表名称：", sheet_names)

# 遍历每个工作表读取数据
for sheet_name in sheet_names:
    sheet = workbook[sheet_name]
    print(f"工作表 {sheet_name} 的数据：")
    # 遍历行，min_row和max_row指定行范围，values_only=True直接获取单元格值
    for row in sheet.iter_rows(min_row=1, max_row=sheet.max_row, values_only=True):
        print(row)

读取指定单元格内容

如果需要读取指定单元格的内容，可以通过单元格坐标直接获取：

import openpyxl

workbook = openpyxl.load_workbook("test.xlsx")
# 获取第一个工作表
sheet = workbook.active
# 读取A1单元格的内容
cell_value = sheet["A1"].value
print("A1单元格内容：", cell_value)
# 也可以通过行号和列号读取，行号和列号从1开始
cell_value2 = sheet.cell(row=2, column=3).value
print("第2行第3列单元格内容：", cell_value2)

手动解压解析XLSX内部XML

如果不想依赖第三方库，也可以手动解压XLSX文件后解析内部XML内容，这种方式更灵活，适合需要自定义解析逻辑的场景。

解压XLSX文件

使用Python的zipfile模块可以解压XLSX文件：

import zipfile

xlsx_path = "test.xlsx"
extract_path = "xlsx_extract"
with zipfile.ZipFile(xlsx_path, "r") as zip_ref:
    zip_ref.extractall(extract_path)
print("解压完成，文件存放在：", extract_path)

解析共享字符串和工作表数据

首先解析sharedStrings.xml获取所有共享字符串，再解析工作表XML获取单元格对应的字符串索引，最后映射得到实际内容：

import xml.etree.ElementTree as ET

# 解析共享字符串
shared_strings_path = "xlsx_extract/xl/sharedStrings.xml"
tree = ET.parse(shared_strings_path)
root = tree.getroot()
# 命名空间，XLSX的XML文件通常带有默认命名空间
ns = {"ns": "http://schemas.openxmlformats.org/spreadsheetml/2006/main"}
shared_strings = []
# 遍历所有si节点，获取文本内容
for si in root.findall("ns:si", ns):
    text = ""
    for t in si.findall("ns:t", ns):
        text += t.text if t.text else ""
    shared_strings.append(text)

# 解析第一个工作表
sheet_path = "xlsx_extract/xl/worksheets/sheet1.xml"
sheet_tree = ET.parse(sheet_path)
sheet_root = sheet_tree.getroot()
# 遍历行节点
for row in sheet_root.findall("ns:sheetData/ns:row", ns):
    row_data = []
    # 遍历行内的单元格节点
    for cell in row.findall("ns:c", ns):
        cell_type = cell.get("t")
        value_node = cell.find("ns:v", ns)
        if value_node is None:
            row_data.append(None)
            continue
        cell_value = value_node.text
        # 如果单元格类型是s，说明是共享字符串索引，需要映射
        if cell_type == "s" and cell_value:
            idx = int(cell_value)
            row_data.append(shared_strings[idx])
        else:
            row_data.append(cell_value)
    print(row_data)

两种方式的对比

两种方式各有适用场景，具体差异如下：

在实际开发中，优先推荐使用openpyxl库，能够快速满足大部分XLSX解析需求，只有在特殊场景下才考虑手动解析内部XML的方式。

PythonXLSXOffice_Open_XMLopenpyxl修改时间：2026-07-16 17:54:32