Python批量调整Excel格式并导出PDF：win32com解决xls合并单元格与样式丢失问题

脚本专家

在日常办公中，经常需要批量处理Excel文件——调整列宽、字号、自动换行、行高等格式，然后导出为A4横向PDF。最近遇到一个实际需求：处理63个.xls格式的个人所得税扣缴申报表，每个表有51列，包含三级合并表头、大量数据行和合计行，必须将所有列缩放到一页宽，并保持原有边框和背景色。如果手动操作，工作量巨大且容易出错。本文将介绍三种技术方案的对比，重点分享基于win32com（Excel COM接口）的成功方案，以及开发中遇到的五个关键问题与解决方法。

需求梳理
原始表格结构：Row 1-4为标题/公司信息；Row 5-7为三级合并表头（跨行跨列合并）；Row 8为列序号行；Row 9起为数据行（每文件1~47行不等）；Row N为合计行；Row N+1起为声明/签章等。格式要求包括：固定列宽（如序号2.25、姓名4.5等，单位字符）、动态列宽（根据合计行值的字符长度映射，例如字符数4对应宽度3，字符数5对应4.18等，合计值为“-”时取数据行最长值）、字号9号加自动换行（姓名、身份证件类型等列，仅数据行）、行高数据行33.8磅、合计行21磅，导出PDF要求A4横向、所有列缩放至一页宽、左右边距极限最小。

技术选型三方案对比
方案一：xlrd + xlwt（失败）
这是处理.xls老格式的经典组合，但遇到两个致命问题。首先，xlrd读取的Font对象与xlwt的Font对象属性不兼容，例如xlrd的Font有charset属性，xlwt的Font没有；underline_type与underline命名不同等。更严重的是，样式复制极其困难——合并单元格的边框、背景色、对齐方式等极易丢失，报错如“AttributeError: 'Font' object has no attribute 'charset'”。对于带有三级合并表头和大量边框的报表，样式丢失不可接受，因此放弃。

方案二：openpyxl（不可行）
openpyxl仅支持.xlsx格式，而源文件是.xls，需先转换为.xlsx。转换过程本身可能丢失格式，且引入额外步骤，不符合零损失保真的要求。

方案三：win32com（Excel COM接口）（成功）
最终采用pywin32调用Excel应用程序的COM接口，本质上是用Python操控Excel应用程序本身，等于手动操作Excel。原生支持.xls，格式零丢失，可以直接控制列宽、字号、自动换行等属性，并调用ExportAsFixedFormat导出PDF。核心代码极简：

2. import win32com.client as win32
3. excel = win32.Dispatch('Excel.Application')
4. excel.Visible = False
5. excel.DisplayAlerts = False
6. wb = excel.Workbooks.Open(r'D:\path\to\file.xls')
7. ws = wb.Worksheets(1)
8. # 设置列宽
9. ws.Cells(1, col).EntireColumn.ColumnWidth = 4.5
10. # 设置字号和自动换行
11. cell.Font.Size = 9
12. cell.WrapText = True
13. # 导出PDF
14. ws.ExportAsFixedFormat(Type=0, Filename=pdf_path)

复制代码

开发过程中遇到的关键问题
问题1：UsedRange在合并单元格上翻车
使用ws.UsedRange.Rows.Count获取行数时，合并单元格导致返回值不准甚至报错。解决方案：采用Cells(65536, 1).End(-4162).Row（相当于Ctrl+↑）或直接遍历查找合计行（列A含“合”和“计”）。函数示例：

2. def get_total_row(ws):
3.     for row in range(1, 100):
4.         val = ws.Cells(row, 1).Value
5.         if val is not None and '合' in str(val) and '计' in str(val):
6.             return row
7.     return None

复制代码

问题2：DisplayAlerts在某些Excel版本上报错
设置excel.DisplayAlerts = False部分环境下抛异常。解决：用try/except包裹，不影响核心功能。

问题3：PDF只导出了第一页（最隐蔽的Bug）
多页Excel导出PDF后发现只有第一页内容。原因是在ExportAsFixedFormat中错误地指定了From=1和To=1参数。正确做法是去掉这两个参数，默认导出全部页面：

2. ws.ExportAsFixedFormat(
3.     Type=0,
4.     Filename=pdf_path,
5.     IgnorePrintAreas=False,
6.     OpenAfterPublish=False
7. )

复制代码

问题4：.bat启动脚本的中文乱码
为方便双击运行，编写.bat文件指定已安装pywin32的Python路径。但.bat文件若包含中文注释或echo，Windows cmd默认GBK编码下UTF-8中文会变成乱码当作命令执行。解决方案：.bat文件只使用纯英文/ASCII字符，彻底避免编码问题。

问题5：合计行值的类型不统一
同样数字列，有的合计值为float（如10754.93），有的是str（如'10754.93'），还有“-”字符串。需统一处理才能正确计算字符长度。自定义函数compute_width：对数字格式化两位小数，对空值或“-”则查数据行最长值。

2. def compute_width(total_val, ws, col_1based, data_rows):
3.     s = str(total_val).strip()
4.     if s == '' or s == '-':
5.         max_len = max(len(str(ws.Cells(r, col_1based).Value or ''))
6.                       for r in data_rows)
7.     else:
8.         formatted = f'{float(total_val):.2f}'
9.         char_count = len(formatted)
10.     return WIDTH_MAP.get(char_count, 3)

复制代码

经验总结
场景推荐方案：简单读写xlsx不需保留样式用openpyxl；简单读写xls不需保留样式用xlrd+xlwt；需精确保留样式+修改格式或导出PDF，首选win32com（COM接口）。核心心得：选对工具比写对代码更重要，COM接口本质是Excel自己在操作，保真度高；.bat文件慎用中文；PDF导出必须验证多页场景，避免From/To参数的误解。