Python 自动化办公实战：Excel 与 PDF 的批量处理¶

什么时候该写脚本¶

判断标准很简单：这个操作你三个月内会重复做两次以上，就值得写脚本。一次性的活，手动处理更快；重复的活，才是脚本的用武之地。

本文的场景设定：你手上有几十个 Excel 报表，需要批量汇总、清洗、生成 PDF 报告。全手工做要一下午，用 Python 十分钟。

一、环境准备¶

pip install openpyxl pandas xlsxwriter reportlab pypdf

openpyxl：读写 .xlsx 文件
pandas：数据处理与分析
xlsxwriter：生成带格式的 Excel
reportlab：生成 PDF
pypdf：合并/拆分/提取 PDF

二、批量读取并汇总 Excel¶

场景：合并 30 个销售报表¶

每个文件结构相同：A 列日期、B 列产品、C 列金额。

import pandas as pd
from pathlib import Path

files = list(Path("reports").glob("*.xlsx"))
frames = []
for f in files:
    df = pd.read_excel(f)
    df["来源文件"] = f.name          # 记录来源，方便溯源
    frames.append(df)

result = pd.concat(frames, ignore_index=True)
print(f"共汇总 {len(result)} 行，来自 {len(files)} 个文件")

按产品汇总¶

summary = result.groupby("产品").agg(
    总金额=("金额", "sum"),
    订单数=("金额", "count"),
).sort_values("总金额", ascending=False)

print(summary.head(10))

三、数据清洗的三个高频操作¶

1. 处理缺失值¶

# 看缺失情况
print(df.isnull().sum())

# 填充
df["金额"] = df["金额"].fillna(0)
df["备注"] = df["备注"].fillna("")

# 删除全空行
df = df.dropna(how="all")

2. 去除重复¶

# 完全重复
df = df.drop_duplicates()

# 按指定列去重，保留第一个
df = df.drop_duplicates(subset=["订单号"], keep="first")

3. 统一格式¶

# 日期统一
df["日期"] = pd.to_datetime(df["日期"], errors="coerce").dt.strftime("%Y-%m-%d")

# 金额去逗号和货币符号
df["金额"] = df["金额"].astype(str).str.replace(",", "").str.replace("¥", "")
df["金额"] = pd.to_numeric(df["金额"], errors="coerce")

四、生成带格式的 Excel¶

pandas 只负责算，xlsxwriter 负责好看：

import xlsxwriter
from io import BytesIO

output = BytesIO()
with pd.ExcelWriter(output, engine="xlsxwriter") as writer:
    summary.to_excel(writer, sheet_name="汇总", index=True)

    workbook = writer.book
    worksheet = writer.sheets["汇总"]

    # 表头加粗
    header_fmt = workbook.add_format({"bold": True, "bg_color": "#4472C4", "font_color": "white"})
    for col in range(len(summary.columns) + 1):
        worksheet.write(0, col, summary.columns[col] if col > 0 else "产品", header_fmt)

    # 列宽自适应
    worksheet.set_column(0, len(summary.columns), 20)

with open("汇总报表.xlsx", "wb") as f:
    f.write(output.getvalue())

五、生成 PDF 报告¶

用 reportlab 的 Platypus 布局引擎：

from reportlab.lib.pagesizes import A4
from reportlab.lib.styles import getSampleStyleSheet
from reportlab.platypus import SimpleDocTemplate, Paragraph, Table, TableStyle, Spacer

doc = SimpleDocTemplate("月度报告.pdf", pagesize=A4)
styles = getSampleStyleSheet()

elements = []
elements.append(Paragraph("2026 年 8 月销售报告", styles["Title"]))
elements.append(Spacer(1, 20))

# 汇总表转表格
data = [["产品", "总金额", "订单数"]] + summary.reset_index().values.tolist()
table = Table(data)
table.setStyle(TableStyle([
    ("BACKGROUND", (0, 0), (-1, 0), "#4472C4"),
    ("TEXTCOLOR", (0, 0), (-1, 0), "white"),
    ("GRID", (0, 0), (-1, -1), 0.5, "grey"),
    ("ALIGN", (1, 0), (-1, -1), "RIGHT"),
]))
elements.append(table)

doc.build(elements)
print("PDF 已生成")

六、PDF 的批量操作¶

合并多个 PDF¶

from pypdf import PdfWriter

writer = PdfWriter()
for f in Path("pdfs").glob("*.pdf"):
    writer.append(f)
writer.write("合并结果.pdf")

提取指定页¶

from pypdf import PdfReader, PdfWriter

reader = PdfReader("大文件.pdf")
writer = PdfWriter()
for i in range(0, 5):        # 取前 5 页
    writer.add_page(reader.pages[i])
writer.write("前5页.pdf")

七、让脚本更健壮的三个习惯¶

异常处理：单个文件出错不中断整个任务

for f in files:
    try:
        df = pd.read_excel(f)
        frames.append(df)
    except Exception as e:
        print(f"跳过 {f.name}: {e}")
        continue

日志输出：打印每个文件的处理状态，方便排查
输入输出分离：源文件目录和输出目录分开，脚本可重复执行（覆盖输出即可）

结语¶

自动化办公的价值不是"会用 pandas"，而是识别出哪些工作是重复性的。从最小的脚本开始——哪怕只是自动重命名一批文件——尝到甜头后，你会自然地越写越多，办公效率的提升是指数级的。

Python 自动化办公实战：Excel 与 PDF 的批量处理