把一份销售台账直接交给大模型,回答经常不可靠,问题多数不在模型,而在表格本身。金额列在文件里存的是 =D2*E2 这样的公式,直接导出文本就是一行公式串;区域列为了让“华东”跨三行显示做了单元格合并,导出后只有每组第一行有值,其余行为空;单价带着 #,##0.00 格式,导出文本是 45.50,千位分隔符还会让 1,365.00 整个被引号包住。这些给人看的排版约定,进入模型上下文后全变成了噪声。
合理的做法是把准备工作交给库:读出每个单元格的存储值、把公式换成数值、展开合并区域,再按目标格式导出。本文使用 Spire.XLS for Python,安装命令如下:
先明确对象职责。Workbook 是工作簿容器,负责 LoadFromFile、CalculateAllValue、Worksheets、SaveToFile、SaveToMarkdown;Worksheet 代表工作表,提供 Name、AllocatedRange、HasMergedCells、MergedCells、RemoveMergedCells、SaveToFile、ToImage;CellRange 代表单元格或区域,提供 DisplayedText、NumberValue、DateTimeValue、HasFormula、HasNumber、Formula、EnvalutedValue。示例输入是一份两个工作表的销售台账:订单表 9 行 6 列,区域列有三组合并单元格,金额列是公式,末行是合计;库存表 4 行 4 列,普通单行表头。
一、先探测结构,别急着改数据
准备数据的第一步是探测而不是修改:每个表多少行多少列、哪里有合并、哪里有公式。AllocatedRange 给出数据区的整体跨度,MergedCells 枚举每个合并区域的起始行列与跨度,配合 HasFormula 逐格扫描可以数出公式单元格的分布。
- from spire.xls import *
- from spire.xls.common import *
- workbook = Workbook()
- workbook.LoadFromFile('销售台账.xlsx')
- for i in range(workbook.Worksheets.Count):
- sheet = workbook.Worksheets[i]
- region = sheet.AllocatedRange
- print('sheet %d: %s | rows=%d cols=%d' % (
- i, sheet.Name, region.RowCount, region.ColumnCount))
- if bool(sheet.HasMergedCells):
- merged = sheet.MergedCells
- print(' merged regions: %d' % merged.Count)
- for j in range(merged.Count):
- m = merged[j]
- print(' %s%d:%s%d' % (
- chr(64 + m.Column), m.Row,
- chr(64 + m.Column + m.ColumnCount - 1),
- m.Row + m.RowCount - 1))
- formula_cells = 0
- for r in range(1, region.RowCount + 1):
- for c in range(1, region.ColumnCount + 1):
- if bool(sheet.Range[r, c].HasFormula):
- formula_cells += 1
- print(' formula cells: %d' % formula_cells)
- workbook.Dispose()
复制代码
输出显示订单表有 8 个公式单元格,正好是 7 行金额加 1 个合计;3 个合并区域对应三组订单,分别是 B2:B4、B5:B6、B7:B8。这里有两个细节值得留意:MergedCells 只在表里确实存在合并区域时才有内容,取之前先判 HasMergedCells;HasMergedCells 这类布尔属性返回的是包装对象,放进 if 前用 bool() 转一次更稳。
二、同一个格子有不止一种取值
导出格式解决结构问题,取值方式决定内容质量。同一个单元格在库里有多种读法:DisplayedText 返回按格式渲染的显示文本,NumberValue、DateTimeValue 返回存储值,公式单元格用 Formula 看式子、用 EnvalutedValue 拿求值结果。
- from spire.xls import *
- from spire.xls.common import *
- workbook = Workbook()
- workbook.LoadFromFile('销售台账.xlsx')
- sheet = workbook.Worksheets[0]
- d = sheet.Range[2, 3]
- print('C2 DisplayedText :', d.DisplayedText)
- print('C2 DateTimeValue :', d.DateTimeValue.ToString('yyyy-MM-dd'))
- print('C2 NumberValue :', d.NumberValue)
- p = sheet.Range[2, 5]
- print('E2 DisplayedText :', p.DisplayedText)
- print('E2 NumberValue :', p.NumberValue)
- f = sheet.Range[2, 6]
- print('F2 HasFormula :', bool(f.HasFormula))
- print('F2 Formula :', f.Formula)
- print('F2 EnvalutedValue:', f.EnvalutedValue)
- workbook.Dispose()
复制代码
三组输出对应三类决策。日期格显示为 2026-11-03,存储值是序列数 46329.0,喂给模型用格式化字符串即可,只有做日期运算才需要 DateTimeValue;单价显示 45.50,存储值是 45.5,显示文本带格式,直接当数字会解析失败;Text 属性在数字单元格上取不到内容,所以文本表示一律用 DisplayedText;公式格的 EnvalutedValue 返回求值后的字符串 546,这是后面导出环节的关键取值。
三、CSV 导出:求值前后差一份账
CSV 是喂给模型最省 token 的格式。Worksheet.SaveToFile 的三个参数分别是文件名、分隔符和编码。差异出在调用时机:加载后直接导出,公式单元格输出的是公式文本;先对工作簿调用 CalculateAllValue,导出的才是数值。
- from spire.xls import *
- from spire.xls.common import *
- workbook = Workbook()
- workbook.LoadFromFile('销售台账.xlsx')
- workbook.Worksheets[0].SaveToFile('订单_raw.csv', ',', Encoding.get_UTF8())
- workbook.Dispose()
- workbook = Workbook()
- workbook.LoadFromFile('销售台账.xlsx')
- workbook.CalculateAllValue()
- for i in range(workbook.Worksheets.Count):
- sheet = workbook.Worksheets[i]
- sheet.SaveToFile('%s.csv' % sheet.Name, ',', Encoding.get_UTF8())
- print('saved:', sheet.Name)
- workbook.Dispose()
复制代码
求值前的文件里,金额列每一行都是带引号的公式文本,模型只能把它当字符串;求值后变成 546.00 这样的数值。两条路线还各留了一个痕迹:求值后合计行的 4,576.00 因为千位分隔符被引号包住,合并单元格造成的区域列空值也原样保留在文件里。CSV 导出忠实转储显示层,这两个问题要在导出之前修。订单与库存两个表粒度不同,各自导出成独立文件,模型按需取用,不必把整本工作簿塞进上下文。
四、展开合并单元格,把值还给每一行
合并区域只在左上角存值,其余成员格读出来是空。展开分三步:从 MergedCells 记下每个区域的起始位置、跨度和左上角值,逐区域调用 RemoveMergedCells 解除合并,再向下填充。
- from spire.xls import *
- from spire.xls.common import *
- workbook = Workbook()
- workbook.LoadFromFile('销售台账.xlsx')
- for i in range(workbook.Worksheets.Count):
- sheet = workbook.Worksheets[i]
- if not bool(sheet.HasMergedCells):
- continue
- merged = sheet.MergedCells
- captured = []
- for j in range(merged.Count):
- m = merged[j]
- captured.append((m.Row, m.Column, m.RowCount,
- sheet.Range[m.Row, m.Column].Text))
- for j in range(merged.Count):
- sheet.RemoveMergedCells(merged[j])
- for row, col, row_count, value in captured:
- for r in range(row, row + row_count):
- sheet.Range[r, col].Text = value
- print('%s: %d merged regions flattened' % (sheet.Name, len(captured)))
- workbook.SaveToFile('销售台账_展开.xlsx', ExcelVersion.Version2016)
- workbook.Dispose()
复制代码
顺序很关键:捕获要发生在解除合并之前,颠倒过来就拿不到值;填充时用记录下来的 RowCount 逐行写入,跨多行的区域一次覆盖到位。与样例表对照,展开后区域列从“每组只有一行有值”变成每行都有归属,A-1002、A-1003 这类行不再带着空区域进入下游。
五、JSON:整簿快捷导出与按列定制
JSON 把表头变成键、每行变成对象,字段与值的绑定关系是显式的,适合接口和结构化管线。库提供了整簿一行导出:SaveToFile 指定 FileFormat.Json,每个工作表输出一个数组,每行一个对象。
- from spire.xls import *
- from spire.xls.common import *
- workbook = Workbook()
- workbook.LoadFromFile('销售台账.xlsx')
- workbook.CalculateAllValue()
- workbook.SaveToFile('订单_quick.json', FileFormat.Json)
- print('quick json saved')
- workbook.Dispose()
复制代码
这份导出适合快速查看,但作为喂给模型的记录形态还差三步:数值全部成了字符串(例如数量的 12 被写成字符串),金额保留公式原文(CalculateAllValue 不影响这份导出),合并未展开的表里 A-1002 这类行干脆没有区域键。字段的类型与有无全凭显示层,模型拿到的是一份需要再猜的结构。
按列定制构建可以解决这三处:基于展开后的工作簿,日期列取 DateTimeValue 格式化成 ISO 写法,金额列取 EnvalutedValue 转成数值,数字列用 HasNumber 判断后读 NumberValue,其余列读 Text;合计行按首列文本跳过。
- import json
- from spire.xls import *
- from spire.xls.common import *
- workbook = Workbook()
- workbook.LoadFromFile('销售台账_展开.xlsx')
- workbook.CalculateAllValue()
- sheet = workbook.Worksheets[0]
- region = sheet.AllocatedRange
- headers = [sheet.Range[1, c].Text for c in range(1, region.ColumnCount + 1)]
- records = []
- for r in range(2, region.RowCount + 1):
- if sheet.Range[r, 1].Text == '合计':
- continue
- record = {}
- for c in range(1, region.ColumnCount + 1):
- cell = sheet.Range[r, c]
- header = headers[c - 1]
- if header == '日期':
- record[header] = cell.DateTimeValue.ToString('yyyy-MM-dd')
- elif header == '金额':
- record[header] = float(cell.EnvalutedValue)
- elif bool(cell.HasNumber):
- record[header] = cell.NumberValue
- else:
- record[header] = cell.Text
- records.append(record)
- with open('订单.json', 'w', encoding='utf-8') as fp:
- json.dump(records, fp, ensure_ascii=False, indent=2)
- print('records:', len(records))
- workbook.Dispose()
复制代码
产物共 7 条记录,金额是 546.0 这样的数值而不是带千位分隔符的字符串,日期是 ISO 写法,合并单元格已经在上一步展开,每个对象都完整自带区域归属。模型拿到的是一份不需要再猜结构的记录列表,合计行也不会混进明细被当成一条订单。
六、Markdown:整簿一次输出
对话与小样本场景里最省事的是 Markdown 管道表。展开与求值完成后,SaveToMarkdown 一次把整簿各表写成带分节标题的管道表,每张工作表对应一个 ### ==== 表名 ==== 小节。
- from spire.xls import *
- from spire.xls.common import *
- workbook = Workbook()
- workbook.LoadFromFile('销售台账_展开.xlsx')
- workbook.CalculateAllValue()
- workbook.SaveToMarkdown('销售台账.md')
- print('markdown saved')
- workbook.Dispose()
复制代码
输出里分隔行带 :--- 对齐标记,单元格取的是显示层文本,1,365.00 的千位分隔原样保留。因为合并单元格已在前面展开,区域列每行都有值;公式已经过 CalculateAllValue,金额列是数值。需要注意的是管道行会随表格变长线性消耗上下文,几十行以内用 Markdown,上千行的表仍然走 CSV 或 JSON。
七、五步流程与适用边界
这套准备流程按顺序走五步:探测结构,确认行列跨度、合并区域和公式分布;用类型化取值拿到存储值而不是显示文本;CalculateAllValue 把公式换成数值再导出 CSV;展开合并单元格让每一行自带归属;最后按用途产出 JSON 或 Markdown。CSV 省上下文,JSON 字段绑定显式,Markdown 适合小样本进对话;JSON 和 Markdown 各有一条 FileFormat.Json、SaveToMarkdown 的整簿导出之路,字段形态需要受控时走按列定制的构建。
这套做法的边界也很清楚:它修的是数据形态,不改业务口径——合计行是跳过还是保留、金额取原始值还是显示值,由调用方的规则决定,代码里那个合计判断就是规则落点。表格结构越规整,喂给模型的上下文越省,回答里的臆测越少。 |