本文介绍如何使用 Python（zipfile + lxml）直接解析 Excel .xlsx 文件的 Drawing XML，高效提取形状的文本内容、填充色（solid fill）及边框色（line color），规避 xlwings/pywin32 的性能开销，且无需 openpyxl 支持。
本文介绍如何使用 python（zipfile + lxml）直接解析 excel `.xlsx` 文件的 drawing xml，高效提取形状的文本内容、填充色（solid fill）及边框色（line color），规避 xlwings/pywin32 的性能开销，且无需 openpyxl 支持。
Excel 的 .xlsx 文件本质上是 ZIP 压缩包，其中每个工作表对应的图形信息存储在 xl/drawings/drawing*.xml 文件中。这些 XML 遵循 Office Open XML 标准，包含
要同时提取文本与颜色，需对原始代码进行两处关键增强：
- 扩展 XPath 表达式，精准定位文本内容、填充色值（a:solidFill/a:srgbClr/@val）和边框色值（a:ln/a:solidFill/a:srgbClr/@val）；
- 结构化组织结果，将每个形状的文本、几何类型（如 ellipse）、填充色和边框色统一成可读格式（如字典或元组）。
以下是完整、健壮的实现示例：
from zipfile import ZipFile
from lxml import etree
def extract_shapes_with_color(xlsx_path):
ns = {
"xdr": "http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing",
"a": "http://schemas.openxmlformats.org/drawingml/2006/main",
"r": "http://schemas.openxmlformats.org/officeDocument/2006/relationships"
}
shapes_data = []
with ZipFile(xlsx_path) as z:
# 定位所有 drawing XML 文件（如 drawing1.xml, drawing2.xml）
drawing_files = [f for f in z.filelist if "drawings/drawing" in f.filename and f.filename.endswith(".xml")]
for drw in drawing_files:
with z.open(drw.filename) as f:
tree = etree.fromstring(f.read())
# 提取文本：仅针对有 spPr 且含 txBody 的形状（即含文字的形状）
texts = tree.xpath('//xdr:txBody[preceding-sibling::xdr:spPr]/a:p/a:r/a:t/text()', namespaces=ns)
# 提取样式属性：几何类型、填充色、边框色（按顺序匹配）
# 注意：XPath 返回扁平列表，需按语义分组（每形状最多 1 个几何 + 1 个填充 + 1 个边框）
shape_attrs = tree.xpath(
'//xdr:spPr/a:prstGeom/@prst | '
'//xdr:spPr/a:solidFill/a:srgbClr/@val | '
'//xdr:spPr/a:ln/a:solidFill/a:srgbClr/@val',
namespaces=ns
)
# 按形状分组：每个 <sp> 对应一组属性，但 XPath 不自动分组 → 需结合节点层级更稳健的方式
# 更推荐：遍历每个 <sp>，分别提取其内部属性（如下所示）
sp_nodes = tree.xpath('//xdr:sp', namespaces=ns)
for i, sp in enumerate(sp_nodes):
# 获取文本（若存在）
text = ""
t_node = sp.xpath('.//xdr:txBody/a:p/a:r/a:t/text()', namespaces=ns)
if t_node:
text = "".join(t_node).strip()
# 获取几何类型
geom = sp.xpath('.//a:prstGeom/@prst', namespaces=ns)
geometry = geom[0] if geom else "custom"
# 获取填充色（solid fill）
fill = sp.xpath('.//a:solidFill/a:srgbClr/@val', namespaces=ns)
fill_color = fill[0] if fill else None
# 获取边框色（line solid fill）
line_fill = sp.xpath('.//a:ln/a:solidFill/a:srgbClr/@val', namespaces=ns)
line_color = line_fill[0] if line_fill else None
shapes_data.append({
"text": text,
"geometry": geometry,
"fill_color": fill_color, # 6位十六进制 RGB，如 "729fcf"
"line_color": line_color # 如 "3465a4"
})
return shapes_data
# 使用示例
if __name__ == "__main__":
result = extract_shapes_with_color("/home/luis/tmp/shapes.xlsx")
for i, shape in enumerate(result, 1):
print(f"Shape {i}: '{shape['text']}' | {shape['geometry']} | Fill: #{shape['fill_color']} | Line: #{shape['line_color']}")</sp></sp>
注意事项与最佳实践：
- ✅ 颜色格式说明：@val 属性返回的是小写、无 # 前缀的 6 位十六进制 RGB 值（如 "ff0000" 表示红色），使用时可直接拼接 # 构成标准 CSS 颜色。
- ⚠️ 空值处理：并非所有形状都有填充或边框，xpath() 可能返回空列表，务必用 if xxx else None 防止索引错误。
- ? 调试技巧：解压 .xlsx 后手动打开 xl/drawings/drawing1.xml，用浏览器或 VS Code 的 XML 工具查看结构；右键元素 → “Copy XPath” 可快速生成路径，再精简为通用表达式（如将 /xdr:wsDr/xdr:twoCellAnchor[2]/xdr:sp/xdr:spPr/... 简化为 //xdr:sp//a:solidFill/a:srgbClr/@val）。
- ? 不支持渐变/图案填充：本方案仅覆盖 a:solidFill；若需处理 a:gradFill 或 a:pattFill，需扩展 XPath 并解析对应子节点（如 a:gradFill/a:gsLst/a:gs/@pos 和 a:gs/a:srgbClr/@val）。
该方法完全基于标准库与轻量级 lxml，毫秒级完成百页 Excel 的形状批量解析，是自动化报表分析、模板校验与 UI 一致性检查的理想技术选型。
