Python读取Excel时动态忽略顶部合并行的实现方案

你的问题核心是要自动跳过顶部的合并单元格标题行，找到真正的表头行。可以通过openpyxl先扫描工作表内容，判断哪一行是实际表头，再用pandas读取时指定表头位置。

修改后的代码如下：

import pandas as pd
from openpyxl import load_workbook

def find_header_row(worksheet):
    # 遍历工作表的行，找到第一个有效表头行
    for row_idx, row in enumerate(worksheet.iter_rows(values_only=True), start=1):
        # 统计该行非空值的数量
        non_empty_count = sum(1 for cell in row if cell is not None and str(cell).strip() != "")
        # 假设表头行至少有一半列有值（可根据需求调整比例）
        if non_empty_count >= len(row) // 2:
            return row_idx
    # 默认返回第1行（防止极端情况）
    return 1

def read_excel_file(file_buffer):
    # Load the Excel file using openpyxl
    wb = load_workbook(file_buffer, data_only=True)
    # 重置文件指针，避免后续pandas读取失败
    file_buffer.seek(0)

    # 获取所有工作表名称
    sheet_names = wb.sheetnames
    
    sheets_data = {}

    # 遍历每个工作表
    for sheet_name in sheet_names:
        ws = wb[sheet_name]
        # 找到表头行的索引
        header_row = find_header_row(ws)
        # 读取时指定表头行，跳过之前的无效行
        sheet_df = pd.read_excel(file_buffer, sheet_name=sheet_name, header=header_row-1)
        # 重置文件指针，供下一个工作表读取使用
        file_buffer.seek(0)

        # 将工作表数据存入字典
        sheets_data[sheet_name] = sheet_df

    # 返回所有工作表的DataFrame字典
    return sheets_data

关键逻辑说明： #

• find_header_row函数：通过统计每行非空单元格数量判断表头行，当非空数达到列数的一半时（可根据实际数据调整比例），认定这一行是有效表头。如果你的表头有固定特征（比如包含特定关键词），还可以加额外判断，比如检查行中是否存在目标文本，进一步提升识别准确性。
• 每次读取后必须执行file_buffer.seek(0)：因为openpyxl和pandas读取文件时会移动指针，不重置的话后续工作表会读取失败。
• 纠正了原代码的术语混淆：原代码中将工作表（sheet）误称为工作簿（workbook），工作簿指整个Excel文件，工作表是文件内的单个表格，避免概念混乱。

适配场景： #

不管顶部有1行、2行还是多行合并单元格的标题，只要真正的表头行是第一个包含足够多非空值的行，这个逻辑就能自动识别适配。

内容的提问来源于stack exchange，提问作者Astra