不能用append()循环写万行数据，因每次调用均重建单元格对象、刷新样式缓存，致耗时超2分钟、内存飙升至500mb+；应一次性转二维列表或dataframe后单次append，或用cell()直接赋值。
能导出，但别直接用 openpyxl 一行行写数据——性能差、易出错、内存爆掉是常态。
为什么不能用 append() 循环写万行数据？
常见错误是查完 MySQL 结果集后，对每行调一次 ws.append(row)。这看似简单，实际会触发 openpyxl 每次都重建单元格对象、反复刷新样式缓存，1 万行耗时可能超 2 分钟，内存占用飙升到 500MB+。
真正该做的是：一次性把数据转成二维列表或 pandas.DataFrame，再用 ws.append() 批量写入（只调一次），或者更优——用 ws.cell() 直接定位赋值。
-
cursor.fetchall()返回的是 tuple 元组列表，需转成 list 或保持原样传给append()（它支持 tuple） - 如果字段含 datetime、Decimal、None，
openpyxl默认不识别，得提前转成str或float；否则报ValueError: Cannot convert <class> to Excel</class> - 别在循环里调
wb.save()，必须全部写完再保存一次
如何安全处理 MySQL 的 NULL、datetime 和 Decimal 字段？
MySQL 驱动（如 pymysql 或 mysql-connector-python）返回的 None、datetime.datetime、decimal.Decimal 不能直接塞进 Excel 单元格。
最稳妥的做法是在写入前统一清洗：
- 用
row = [v if v is not None else "" for v in row]处理 NULL - 对
datetime类型字段，用v.strftime("%Y-%m-%d %H:%M:%S")转字符串（或保留为datetime对象，openpyxl 支持，但 Excel 单元格格式需手动设为日期） - 对
Decimal，用float(v)或str(v)——选 float 更利于后续 Excel 公式计算
示例清洗逻辑：
def clean_row(row):
return [
"" if v is None else
v.strftime("%Y-%m-%d %H:%M:%S") if hasattr(v, "strftime") else
float(v) if hasattr(v, "as_tuple") else # decimal.Decimal
v
for v in row
]
怎么让表头自动加粗、冻结首行、列宽自适应？
openpyxl 不会自动美化，但几行代码就能搞定基础排版：
- 表头加粗：
for cell in ws[1]: cell.font = Font(bold=True) - 冻结首行：
ws.freeze_panes = "A2" - 列宽自适应（注意：不能真“自适应”，只能按字符数估算）：
for column_cells in ws.columns: length = max(len(str(cell.value)) for cell in column_cells); ws.column_dimensions[column_cells[0].column_letter].width = min(length + 2, 50)
别用 ws.auto_filter 自动加筛选器——它只对连续非空区域生效，且必须在写完所有数据后设置：ws.auto_filter.ref = ws.dimensions（但要确保第一行是纯表头、无合并单元格）
导出大表（>10 万行）的替代方案
openpyxl 在百万行级场景下会卡死或 OOM。这时候别硬扛：
- 改用
xlsxwriter：它流式写入、内存友好，但不支持读取已有文件 - 分页导出：用
LIMIT+OFFSET分批查，每批 5 万行，生成多个 sheet 或多个文件 - 跳过 Excel，导出 CSV：用
csv.writer写文件，再用 Excel 打开（兼容性好、速度快、无内存压力）
真正麻烦的不是“怎么导出”，而是“导出后用户要不要在 Excel 里做公式、透视、筛选”——如果要，就得保格式、保类型、保冻结；如果只是看数，CSV 真的够用。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
