如何提升Python代码运行速度？docx转XLS代码性能优化求助

原代码处理22000行数据耗时2.5小时，核心瓶颈集中在openpyxl逐行写入的低效操作、重复磁盘IO和事后批量修改单元格这几个环节，以下是针对性的优化方案：

核心优化点 #

1. 先缓存所有数据，再批量写入Excel #

openpyxl的ws.append()每次调用都会触发工作表内部结构更新，频繁调用会严重拖慢速度。先把所有要写入的数据收集到内存列表中，最后一次性写入，能大幅减少与工作表的交互次数。

2. 提前处理单元格前缀，避免二次遍历 #

原代码先写入所有数据，再遍历整个工作表修改带+/-/=开头的单元格，多了一次全量遍历操作。直接在提取单元格文本时完成前缀处理，一步到位。

3. 精准筛选docx文件，减少无效判断 #

用glob.glob()直接匹配.docx文件，替代os.listdir()加后缀判断的逻辑，代码更简洁，也省去了对非docx文件的无效检查。

4. 合并磁盘写入操作 #

原代码保存了两次Excel文件，合并成一次写入，减少磁盘IO的耗时（磁盘操作本身是性能瓶颈之一）。

优化后的代码 #

from docx import Document
from openpyxl import Workbook
import os
import glob

# 获取当前脚本所在文件夹路径
folder = os.path.dirname(os.path.abspath(__file__))
# 内存缓存所有待写入数据
data_buffer = []

# 直接筛选所有docx文件
for docx_path in glob.glob(os.path.join(folder, "*.docx")):
    filename = os.path.basename(docx_path)
    doc = Document(docx_path)
    
    for table in doc.tables:
        # 添加文件名标识行
        data_buffer.append([f"File name: {filename}"])
        # 提取并处理每一行的右数第二列内容
        for row in table.rows:
            cell_text = row.cells[-2].text
            # 提前处理特殊开头的单元格
            if cell_text and cell_text[0] in ("+", "-", "="):
                cell_text = f"'{cell_text}"
            data_buffer.append([cell_text])

# 批量写入Excel
wb = Workbook()
ws = wb.active
# 一次性写入所有数据，效率远高于逐行append
ws.values = data_buffer

wb.save("output.xlsx")

额外提速方案：使用pandas写入Excel #

如果你的环境允许安装第三方库，用pandas处理Excel写入会比原生openpyxl更快，pandas底层做了大量IO优化：

from docx import Document
import os
import glob
import pandas as pd

folder = os.path.dirname(os.path.abspath(__file__))
data_buffer = []

for docx_path in glob.glob(os.path.join(folder, "*.docx")):
    filename = os.path.basename(docx_path)
    doc = Document(docx_path)
    
    for table in doc.tables:
        data_buffer.append([f"File name: {filename}"])
        for row in table.rows:
            cell_text = row.cells[-2].text
            if cell_text and cell_text[0] in ("+", "-", "="):
                cell_text = f"'{cell_text}"
            data_buffer.append([cell_text])

# 转成DataFrame后批量写入
df = pd.DataFrame(data_buffer)
df.to_excel("output.xlsx", index=False, header=False, engine="openpyxl")

效果说明 #

经过这些优化后，处理22000行数据的耗时应该能压缩到几分钟以内（具体取决于硬件，但至少能提升几十倍效率）。

内容的提问来源于stack exchange，提问作者Domi Szécskai