如何在Python中提取复杂表格数据并保留跨行跨列合并格式？-Python教程-PHP中文网

必须用 openpyxl 读取合并单元格原始位置信息，通过 worksheet.merged_cells.ranges 获取每个合并区域的 min_row、max_row、min_col、max_col；注意行列索引从1开始，需手动映射到二维矩阵并传播值与样式。

如何在python中提取复杂表格数据并保留跨行跨列合并格式？

用 `openpyxl` 读取合并单元格的原始位置信息

直接用 pandas.read_excel() 会自动“展开”合并单元格，丢失结构——它只返回填充后的值，不告诉你哪几行哪几列原本是合并的。必须换回 openpyxl 这类底层库。

关键不是读值，而是读 worksheet.merged_cells.ranges，它返回一个 MergedCellRange 对象列表，每个对象含 min_row、max_row、min_col、max_col 四个属性。

实操建议：

打开工作簿时务必用 read_only=False（默认即可），data_only=False，否则合并信息会被丢弃
遍历 merged_cells.ranges 前，先调用 worksheet._clean_merged_cells()（私有方法，但稳定可用）避免缓存残留
注意：行列索引从 1 开始（不是 0），cell(row=1, column=1) 才是 A1

把合并信息映射回二维数据矩阵

你拿到的是一堆矩形坐标，但最终要生成类似 pandas DataFrame 的结构，就得把“合并关系”转成每个单元格的归属标识（比如用左上角坐标作为该块所有单元格的“锚点”）。

常见错误是直接覆盖值——比如合并单元格 A1:C2，只在 (1,1) 写值，其余 (1,2)(1,3)(2,1)(2,2)(2,3) 留空，导致后续解析误判为空单元格。

实操建议：

初始化一个二维 list 或 numpy array，尺寸为 worksheet.max_row × worksheet.max_column
先填入所有非合并单元格的值（cell.value）
再遍历每个 MergedCellRange，用 worksheet.cell(min_row, min_col).value 覆盖该矩形区域内所有位置
若需保留“是否为合并起始单元格”的元信息，额外维护一个布尔矩阵，标记 (min_row, min_col) 为 True

处理跨页/嵌套合并与样式继承问题

Excel 允许合并单元格跨打印区域分页，也允许在已合并区域内部再合并（虽然 UI 不鼓励）。openpyxl 本身不校验嵌套，merged_cells.ranges 可能包含重叠区间——这不是 bug，是 Excel 文件的真实状态。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

更隐蔽的问题是：合并单元格的字体、对齐方式等样式，只保存在左上角单元格，其余位置无样式对象。如果你依赖 cell.font 或 cell.alignment，不主动传播就会丢失格式。

实操建议：

对重叠的合并范围，按添加顺序倒序处理（后加的优先级高），或用 shapely 做矩形交并判断，剔除被完全覆盖的小范围
提取样式时，对每个单元格先查自身是否有样式；若无，向上/向左搜索最近的、有样式的非合并单元格（注意跳过其他合并区域）
alignment.horizontal 和 vertical 值可能为 None，需 fallback 到 'general' 或 'center'，否则序列化时报错

导出带合并结构的 HTML 或 Markdown 表格

还原合并的关键是生成正确的 rowspan 和 colspan 属性。但要注意：HTML 表格中，rowspan="2" 表示“占两行”，但第二行对应列必须留空（不能重复写 ），否则渲染错乱。

很多工具（如 tabulate）根本不支持 colspan/rowspan，硬塞进去只会破坏结构。


实操建议：
不要用字符串拼接 HTML，改用 xml.etree.ElementTree 构建 ，动态设置 elem.set('rowspan', '3') 更安全对每个单元格，计算其实际 rowspan = max_row - min_row + 1，colspan = max_col - min_col + 1，仅当 min_row == 当前行号 and min_col == 当前列号 时才输出 
）是唯一可靠方式，但需确认目标渲染器支持最易被忽略的是：合并单元格的边框线可能只画在部分边界上（比如只画了顶部和右侧），而 openpyxl 的 border 属性是 per-cell 的，不会自动合成“视觉外框”。如果需要精确还原打印效果，得手动合并相邻单元格的 border 样式位（top、bottom、left、right）。

Markdown 几乎无原生合并支持，强行用 HTML 内联（ xxx