如何用crealytics库读取Excel所有单元格值及解决列缺失问题

合并单元格值填充 #

crealytics Spark Excel库默认仅在合并单元格的左上角单元格保留内容，其余合并位置为空。要让所有合并单元格都能读取到对应值，只需添加fillMergedCells选项并设为true：

df = spark.read.format("com.crealytics.spark.excel")\
    .option("inferschema", False)\
    .option("header", False)\
    .option("dataAddress", "'sheet name'!")\
    .option("fillMergedCells", True)\  # 启用合并单元格值填充
    .load(excel_file_path)

该选项会自动将合并区域的内容填充到所有单元格，确保每行都能获取到合并单元格的值。

缺失F、G列的修复 #

常见原因： #

• 库默认忽略全为空值的列
• dataAddress仅指定了部分数据区域，未覆盖F、G列
• F、G列在Excel中处于隐藏状态，默认不被读取

解决方法： #

1. 明确指定列范围：修改dataAddress为包含F、G列的完整范围，比如：

   .option("dataAddress", "'sheet name'!A:G")
   

2. 禁用空列忽略：添加ignoreEmptyColumns选项，强制读取所有列：

   .option("ignoreEmptyColumns", False)
   

3. 读取隐藏列：如果F、G列被隐藏，添加includeHiddenColumns选项：

   .option("includeHiddenColumns", True)
   

整合后的完整代码：

df = spark.read.format("com.crealytics.spark.excel")\
    .option("inferschema", False)\
    .option("header", False)\
    .option("dataAddress", "'sheet name'!A:G")\
    .option("fillMergedCells", True)\
    .option("ignoreEmptyColumns", False)\
    .option("includeHiddenColumns", True)\
    .load(excel_file_path)

内容的提问来源于stack exchange，提问作者Ramesh Bathini