Python Pandas读写含本地文件夹超链接的Excel表格问题

嘿，这个问题我之前处理Excel数据时也踩过坑！默认情况下pd.read_excel()确实只会读取单元格的显示文本，不会把超链接这类附加属性带进来，但咱们完全有办法解决——核心思路是用专门的Excel处理库（比如openpyxl）先手动提取超链接信息，再构建DataFrame，导出时再把超链接写回去。

第一步：读取Excel时提取超链接 #

我们需要用openpyxl来加载工作簿，因为它能直接访问单元格的超链接属性。先确保你已经安装了它：

pip install openpyxl

然后用下面的代码提取数据，包括显示文本和超链接：

import pandas as pd
from openpyxl import load_workbook

# 加载Excel文件，注意data_only=False才能读取超链接（默认就是False，但最好显式指定）
wb = load_workbook('你的Excel文件路径.xlsx', data_only=False)
ws = wb['Sheet1']  # 替换成你的工作表名称

# 先定位"Archive"列的位置
archive_col_idx = None
for col in ws.iter_cols(min_row=1, max_row=1):  # 遍历表头行
    if col[0].value == 'Archive':
        archive_col_idx = col[0].column - 1  # 转成0-based索引，方便后续遍历行时使用
        break

# 提取所有行的数据：包含Archive的显示文本、超链接，以及其他列
data_rows = []
for row in ws.iter_rows(min_row=2):  # 从第二行开始，跳过表头
    # 获取Archive列的单元格
    archive_cell = row[archive_col_idx]
    # 提取显示文本和超链接目标
    display_text = archive_cell.value
    hyperlink = archive_cell.hyperlink.target if archive_cell.hyperlink else None
    
    # 收集当前行的所有数据：这里根据你的表格结构调整其他列的提取
    row_data = {
        'Archive': display_text,  # 保留原列名，后续导出时用来显示
        'Archive_Link': hyperlink,  # 单独存超链接地址，方便后续写入
        # 示例：提取其他列，比如第1列是"站点名称"，第2列是"城市"
        '站点名称': row[0].value,
        '城市': row[1].value
    }
    data_rows.append(row_data)

# 构建DataFrame
df = pd.DataFrame(data_rows)

现在你的DataFrame里就同时有了超链接的显示文本和对应的链接地址，后续更新数据时也能保留这两个字段。

第二步：导出Excel时恢复超链接 #

如果直接用df.to_excel()导出，还是只会显示文本，所以需要用xlsxwriter引擎来手动设置超链接。先安装xlsxwriter：

pip install xlsxwriter

然后用下面的代码导出，把超链接写回Excel：

# 创建Excel写入器，指定xlsxwriter引擎
writer = pd.ExcelWriter('更新后的文件.xlsx', engine='xlsxwriter')
df.to_excel(writer, index=False, sheet_name='Sheet1')

# 获取工作簿和工作表对象
workbook = writer.book
worksheet = writer.sheets['Sheet1']

# 设置超链接的格式（蓝色下划线，和Excel默认超链接样式一致）
hyperlink_format = workbook.add_format({
    'font_color': '#0000FF',
    'underline': 1
})

# 找到Archive列和Archive_Link列的索引（xlsxwriter用1-based索引）
archive_col = df.columns.get_loc('Archive') + 1
archive_link_col = df.columns.get_loc('Archive_Link') + 1

# 遍历数据行，给Archive列的单元格设置超链接
for row_num in range(2, len(df) + 2):  # 表头在第1行，数据从第2行开始
    # 获取当前行的显示文本和链接
    display_text = df.iloc[row_num - 2]['Archive']
    link = df.iloc[row_num - 2]['Archive_Link']
    
    if link:  # 如果有超链接，就设置
        # write_url(行号, 列号, 链接地址, 格式, 显示文本)
        worksheet.write_url(row_num - 1, archive_col - 1, link, hyperlink_format, display_text)

# 隐藏用来存链接的Archive_Link列（可选，如果你不想让用户看到这个列）
worksheet.set_column(archive_link_col - 1, archive_link_col - 1, None, None, {'hidden': True})

# 保存文件
writer.close()

为什么默认的pd.read_excel做不到？ #

因为pandas读取Excel时，默认只提取单元格的“值”（也就是你看到的显示文本），而超链接属于单元格的属性信息，不是值的一部分，所以需要用openpyxl这类底层库去访问这些属性。

对于几千条记录的表格，这个方法完全够用，openpyxl的遍历效率处理几千行数据毫无压力。

内容的提问来源于stack exchange，提问作者Create Tech