高效Excel数据净化工具：一键清除不可见字符与格式残留

摘要

本文将分享一款基于Python的Excel数据净化工具，用于自动清除给定的Excel文档中指定工作表中的不可见字符、批注、单元格样式等冗余数据。脚本支持进度可视化展示，保留核心数据处理逻辑的同时确保文件格式规整，特别适用于需要规范数据格式的企业级应用场景。

---

架构流程图

---

工具脚本源码

import openpyxl
from openpyxl.styles import NamedStyle, Font, Border
from openpyxl.formatting import Rule
import re
from tqdm import tqdm  # 新增进度条库
from openpyxl.styles import PatternFilldef clean_invisible_chars(text):"""清除字符串中的不可见字符"""if not isinstance(text, str):return text# 清除控制字符(ASCII 0-31，除了\t\n\r)return re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f\x7f]', '', text)def clear_all_and_save(input_file, output_file, sheet_name):"""清除工作表中的:1. 不可见字符2. 批注3. 单元格样式"""# 已清理的列表cleared_set = set()# 加载工作簿wb = openpyxl.load_workbook(input_file)# 创建无样式对象no_style = NamedStyle(name="Normal")# 创建无填充对象no_fill = PatternFill(fill_type=None)# 检查工作表是否存在if sheet_name not in wb.sheetnames:print(f"错误: 工作表 '{sheet_name}' 不存在。")print(f"可用工作表列表: {', '.join(wb.sheetnames)}")return# 获取工作表ws = wb[sheet_name]# 获取总行数用于进度条total_rows = ws.max_rowfirst_init = True# 使用tqdm显示进度条for row in tqdm(ws.iter_rows(), total=total_rows, desc="处理进度"):if first_init == True:print(f"初始化完成，开始清理数据...")# 彻底清除所有条件格式和样式ws.conditional_formatting = []cleared_set.add('条件格式填充色')# cleared_set.add('单元格默认样式')print(f"✔ 已彻底清理 工作表：{sheet_name} 的所有样式设置, 开始单元格处理...")first_init = Falsefor cell in row:# 彻底清除单元格所有样式cell.fill = PatternFill(fill_type=None)cell.font = Font(name='Calibri', size=11, bold=False, italic=False)cell.border = Border()cell.number_format = 'General'# 清除不可见字符if cell.value and isinstance(cell.value, str):cell.value = clean_invisible_chars(cell.value)cleared_set.add('不可见字符')# 清除批注if cell.comment:cell.comment = Nonecleared_set.add('批注')# 清除样式cell.style = no_stylecleared_set.add('单元格样式')# 清除单元格填充颜色if cell.fill:cell.fill = no_fillcleared_set.add('单元格填充色')# 保存工作簿到新的文件wb.save(output_file)# cleared_text = ", ".join(cleared_set)cleared_text = "\n".join(f"  ✔ 清除-{item}" for item in cleared_set)# print(f"已清理[{cleared_text}]，并保存到 {output_file}")print("已完成：\n"+cleared_text+f"\n并保存到 {output_file}")# 使用示例
input_excel_file = r'测试-脱敏结果.xlsx'  # 输入Excel文件路径
output_excel_file = r'清除样式_测试-脱敏结果.xlsx'  # 输出Excel文件路径
sheet_to_clean = 'PB' # 'Sheet1'  # 要清理的工作表名称print(f"初始化中...")
print(f"输入文件: {input_excel_file}")
print(f"输出文件: {output_excel_file}")
print(f"目标工作表: {sheet_to_clean}")
try:clear_all_and_save(input_excel_file, output_excel_file, sheet_to_clean)
except Exception as e:print(f"处理过程中发生错误: {str(e)}")

---

功能特性说明

1. 三重数据净化

• 隐形字符清除：正则表达式过滤ASCII 0-31控制字符
• 格式重置：统一字体、边框、填充样式为默认值
• 元数据清理：移除单元格批注及条件格式

2. 可视化进度提示

采用tqdm库实现：

• 实时处理进度条
• 预估剩余时间
• 已完成项目统计

3. 安全防护机制

• 工作表存在性校验
• 异常捕获与友好提示
• 输出文件独立保存

---

典型应用场景

1. 数据迁移前的格式标准化
2. 第三方数据接入清洗
3. 报表自动化生成预处理
4. 敏感信息脱敏后处理