### 使用 Python 读取和解析本地 Excel 文件 Python 中有多个库可用于读取和解析本地 Excel 文件，其中最常用的包括 `pandas`、`openpyxl` 和 `xlrd`。以下是这些库的功能及其具体实现方式： #### 方法一：使用 Pandas Pandas 是一个强大的数据分析工具包，支持快速高效地加载 Excel 数据到 DataFrame 结构中。它依赖于底层的引擎（如 `openpyxl` 或 `xlrd`）来完成实际的数据读取。 ```python import pandas as pd # 加载 Excel 文件 file_path = 'example.xlsx' data_frame = pd.read_excel(file_path, engine='openpyxl') # 如果是 .xlsx 格式推荐使用 openpyxl 引擎 print(data_frame.head()) # 显示前几行数据 ``` 这种方法简单易用，适合大多数场景下的数据预览和分析[^1]。 --- #### 方法二：使用 Openpyxl Openpyxl 是专门用于读写 `.xlsx` 文件的库，适用于需要更精细控制的情况，比如逐行列访问或修改单元格内容。 ```python from openpyxl import load_workbook # 打开工作簿 workbook = load_workbook(filename="example.xlsx") # 获取第一个工作表 sheet = workbook.active # 访问特定单元格 cell_value = sheet['A1'].value print(cell_value) # 遍历所有行 for row in sheet.iter_rows(values_only=True): print(row) ``` 此方法更适合处理复杂的 Excel 文档结构以及对性能敏感的任务[^4]。 --- #### 方法三：使用 Xlrd Xlrd 主要针对旧版 `.xls` 文件设计，尽管也可以有限度地兼容部分 `.xlsx` 文件。然而需要注意的是，该库已停止维护，因此建议仅在必要时选用。 ```python import xlrd # 打开工作簿 workbook = xlrd.open_workbook('example.xls') # 获取第一个工作表 sheet = workbook.sheet_by_index(0) # 输出基本信息 print(f"Sheet Name: {sheet.name}") print(f"Number of Rows: {sheet.nrows}") print(f"Number of Columns: {sheet.ncols}") # 遍历所有行 for row_idx in range(sheet.nrows): row_values = sheet.row_values(row_idx) print(row_values) ``` 虽然功能全面，但由于缺乏更新，在现代项目中应谨慎考虑其适用性[^3]。 --- #### 处理加密文件注意事项 当尝试读取受保护的 Excel 文件时可能会遇到权限错误等问题。例如，某些企业环境中可能存在额外的安全机制阻止直接存取原始数据流。此时需确认所选库是否具备相应解码能力或者调整环境配置允许正常交互[^2]。 --- ### 总结 对于常规用途而言，优先推荐利用 **Pandas** 的简洁语法完成基本任务；而对于复杂定制化需求，则可转向更为灵活低层接口如 **Openpyxl** 实现细粒度操控。至于老旧格式的支持则仍保留给 **Xlrd** 来承担角色补充作用。