如何在Pandas中处理带colspan/rowspan的HTML表格并导出合并单元格的Excel

Pandas的read_html会将带合并属性的单元格拆分为多个重复值，无法直接保留合并结构。要实现需求，需要先解析HTML获取合并单元格的位置信息，再在导出Excel后通过openpyxl手动执行合并操作。

完整解决方案代码 #

import pandas as pd
from lxml import etree
from openpyxl import load_workbook

# 1. 解析HTML表格，提取合并单元格信息
html_content = """
    <table>
   <thead>
     <tr>
       <th>Name</th>
       <th>Age</th>

     </tr>
   </thead>
   <tbody>
     <tr>
       <td colspan=2>Test</td>
     </tr>
     <tr>
       <td>Test</td>
       <td>20</td>
     </tr>
   </tbody>
  </table>
"""

tree = etree.HTML(html_content)
table = tree.xpath('//table')[0]

merge_info = []
# 遍历表格行（Excel行号从1开始，表头占第1行，数据行从2开始计数）
for row_idx, tr in enumerate(table.xpath('.//tr'), start=1):
    col_idx = 1
    for cell in tr.xpath('.//td|.//th'):
        # 获取合并属性，默认值为1
        colspan = int(cell.get('colspan', 1))
        rowspan = int(cell.get('rowspan', 1))
        
        if colspan > 1 or rowspan > 1:
            # 计算合并单元格的起始和结束坐标
            start_col_char = chr(ord('A') + col_idx - 1)
            start_cell = f"{start_col_char}{row_idx}"
            
            end_col = col_idx + colspan - 1
            end_row = row_idx + rowspan - 1
            end_col_char = chr(ord('A') + end_col - 1)
            end_cell = f"{end_col_char}{end_row}"
            
            merge_info.append((start_cell, end_cell))
        
        # 跳过已合并的列，避免重复处理
        col_idx += colspan

# 2. 读取表格为DataFrame并导出基础Excel
df = pd.read_html(html_content)[0]
df.to_excel('test.xlsx', index=False)

# 3. 加载Excel文件，执行单元格合并
wb = load_workbook('test.xlsx')
ws = wb.active

for start, end in merge_info:
    ws.merge_cells(f'{start}:{end}')

wb.save('test_merged.xlsx')

关键步骤说明 #

• 解析HTML获取合并信息：用lxml遍历表格的每一行和单元格，提取colspan和rowspan属性，转换为Excel的单元格坐标范围，记录所有需要合并的区域。
• 导出基础Excel文件：先通过Pandas正常导出拆分状态的表格，此时合并单元格会以重复值形式存在。
• 手动执行合并操作：用openpyxl加载导出的文件，遍历合并信息列表，调用merge_cells方法完成单元格合并，最终保存为带合并效果的Excel文件。

注意事项 #

• 行号计算要对应Excel实际行：表头在Excel的第1行，表格的每一行需要按顺序对应Excel行号，避免合并位置偏移。
• 若HTML表格存在多层表头或复杂嵌套结构，需要调整行号、列号的计算逻辑，确保合并区域准确。

内容的提问来源于stack exchange，提问作者Mengkheang