使用openpyxl保存xlsx后Excel显示值与底层XML不一致求助

问题背景 #

使用openpyxl 3.0.7处理xlsx文件，因系统限制无法升级版本。源文件中单元格为文本格式，内容如Data_x4331_Problem（小写x+4位十六进制代码，前后带下划线），Excel和底层XML显示一致，openpyxl读取值正常。但用openpyxl或Pandas保存文件后，Excel中该内容变为Data䌱Problem（x4331被解析为对应Unicode字符），但底层XML仍保留原始值，openpyxl读取保存后的文件也能得到正确结果。大写X的类似内容（如Data_X4331_Problem）无此问题。需求是通过Python脚本保存文件时不修改数据，让Excel显示值与保存前一致。

原因分析 #

这是Excel的内置解析特性：当文本中出现_x[四位十六进制]_格式（小写x）时，Excel会将其识别为XML字符实体引用，自动解码为对应的Unicode字符。openpyxl 3.0.7未对这种格式做自动转义处理，导致保存后Excel加载时触发了解码逻辑。而大写X的_X[四位十六进制]_不会被Excel识别为实体引用，因此无异常。

解决方案 #

通过手动转义字符串中的小写x，让Excel无法将_xXXXX_识别为实体引用，具体操作是将_x替换为_x78_（小写x的十六进制实体编码）。这样Excel解析时会把_x78_还原为小写x，后续的四位十六进制不再构成可解析的实体结构，最终显示原始内容。

用openpyxl处理的代码示例 #

import re
from openpyxl import load_workbook

# 加载源文件，data_only=False确保读取单元格原始文本而非计算值
wb = load_workbook("source.xlsx", data_only=False)
ws = wb.active

# 遍历所有单元格，仅处理文本类型内容
for row in ws.iter_rows(values_only=False):
    for cell in row:
        if cell.data_type == "s":
            # 正则匹配_xXXXX_格式并转义
            cell.value = re.sub(r'_x([0-9a-fA-F]{4})_', r'_x78_\1_', cell.value)

wb.save("output.xlsx")

用Pandas处理的代码示例 #

import pandas as pd
import re

# 读取源文件，指定dtype=str确保文本格式不丢失
df = pd.read_excel("source.xlsx", dtype=str)

# 遍历所有字符串列进行转义处理
for col in df.select_dtypes(include=["object"]).columns:
    df[col] = df[col].apply(
        lambda x: re.sub(r'_x([0-9a-fA-F]{4})_', r'_x78_\1_', x) 
        if isinstance(x, str) else x
    )

# 保存文件，index=False避免生成多余索引列
df.to_excel("output.xlsx", index=False)

效果说明 #

转义后的内容保存后，Excel加载时会自动将_x78_解析为小写x，最终显示Data_x4331_Problem，与源文件一致。同时openpyxl读取保存后的文件时，会自动解析实体编码为原始字符，读取值仍为Data_x4331_Problem，完全符合需求。

内容的提问来源于stack exchange，提问作者DavidA