在Databricks中用Python为S3的Excel(.xlsx)文件设置密码保护

问题原因 #

原代码的核心问题：

• openpyxl和xlsxwriter不支持设置文件级的打开密码，它们仅能设置工作表的编辑限制（比如禁止修改单元格），无法实现打开文件时需输入密码的效果。
• 你的代码里甚至没有尝试设置任何保护逻辑，只是加载并保存了文件，自然不会有密码保护效果。

正确解决方案 #

使用msoffcrypto-tool库，它专门用于处理Office文档的加密和解密，支持设置Excel文件的打开密码。

步骤1：安装依赖 #

在Databricks环境中运行以下命令安装库：

%pip install msoffcrypto-tool

步骤2：修改代码实现加密 #

以下是完整的工作代码，包含从S3挂载路径读取文件、加密、保存回S3的逻辑：

import msoffcrypto
import shutil
from io import BytesIO

def password_protect_excel(input_path, output_path, password):
    # 读取源文件二进制内容
    with open(input_path, "rb") as f:
        file_content = f.read()
    
    # 加载文件并设置打开密码
    excel_file = msoffcrypto.OfficeFile(BytesIO(file_content))
    excel_file.set_password(password)
    
    # 将加密后的内容写入临时文件
    temp_local_path = "/tmp/Report_protected_temp.xlsx"
    with open(temp_local_path, "wb") as f:
        excel_file.save(f)
    
    # 将加密文件复制到S3挂载目标路径
    shutil.copy(temp_local_path, output_path)
    print(f"加密后的文件已保存到: {output_path}")

if __name__ == "__main__":
    input_file = "/dbfs/mnt/file_mount_report/Report.xlsx"
    output_file = "/dbfs/mnt/file_mount_report/Report_protected_new.xlsx"
    password = "your_strong_password"
    
    password_protect_excel(input_file, output_file, password)

代码说明 #

1. 读取文件：从S3挂载路径读取原始Excel文件的二进制内容，避免直接操作挂载路径的权限问题。
2. 设置密码：通过msoffcrypto.OfficeFile加载文件，调用set_password()设置文件级打开密码。
3. 保存加密文件：先将加密后的内容写入本地临时文件，再复制到S3挂载路径，确保文件写入稳定。

验证效果 #

加密后的文件打开时，Excel会弹出密码输入框，只有输入正确密码才能查看文件内容，完全符合预期的保护需求。

内容的提问来源于stack exchange，提问作者MOHAMMED SALMAN