使用ssconvert将CSV转XLSX时如何保留日期格式

ssconvert自动解析CSV中的日期字段并变更格式，且format=preserve选项仅对文本文件生效，以下是几种可行的解决方案：

方案1：强制ssconvert以纯文本导入CSV字段 #

通过指定CSV导入规则，强制将日期字段当作纯文本处理，避免自动解析：

ssconvert --import-type=Gnumeric_stf:stf_csv -O "type=text" --export-type=Gnumeric_Excel:xlsx test.csv test.xlsx

如果仅需指定特定列为文本（比如第2列是日期），可以用col_types精准控制列类型：

ssconvert --import-type=Gnumeric_stf:stf_csv -O "col_types=text,text,number" --export-type=Gnumeric_Excel:xlsx test.csv test.xlsx

说明：col_types的每个值对应CSV的一列，text表示纯文本，number表示数字类型，按实际列顺序调整即可。

方案2：使用LibreOffice命令行转换（格式控制更可靠） #

LibreOffice的命令行工具对CSV转XLSX的格式支持更灵活，可直接指定输入日期格式：

libreoffice --headless --convert-to xlsx --infilter="CSV:44,34,UTF8,1,1,0,false,false,false,1031,1/1/1900,d.m.Y" test.csv

参数说明：

• 44：CSV分隔符为逗号（ASCII码）
• 34：引号字符为双引号
• UTF8：文件编码
• 1：第一行是表头（无表头则改为0）
• d.m.Y：指定输入的日期格式，确保转换后保持该显示格式

方案3：Python脚本精准控制（适合批量/复杂场景） #

用pandas结合openpyxl可以完全自定义日期格式，支持两种处理方式：

方式1：将日期保存为纯文本格式 #

import pandas as pd

# 读取CSV，按指定格式解析日期后转成字符串
df = pd.read_csv('test.csv')
df['date_column'] = pd.to_datetime(df['date_column'], format='%d.%m.%Y').dt.strftime('%d.%m.%Y')

# 保存为XLSX
df.to_excel('test.xlsx', index=False)

方式2：保留Excel日期类型，设置显示格式为d.m.Y #

import pandas as pd
from openpyxl.styles import NamedStyle

# 定义自定义日期格式
custom_date_style = NamedStyle(name='d_m_Y', number_format='DD.MM.YYYY')

# 读取并解析日期
df = pd.read_csv('test.csv', parse_dates=['date_column'], date_parser=lambda x: pd.to_datetime(x, format='%d.%m.%Y'))

# 写入XLSX并应用格式
with pd.ExcelWriter('test.xlsx', engine='openpyxl') as writer:
    df.to_excel(writer, index=False)
    worksheet = writer.sheets['Sheet1']
    # 遍历日期列（假设在B列）应用格式，跳过表头行
    for cell in worksheet['B'][1:]:
        cell.style = custom_date_style

内容的提问来源于stack exchange，提问作者Dominick Makome