如何从Excel文件指定工作表提取指定表格并转换为CSV格式

需求说明：
有一个Excel文件，需要从中提取指定工作表，仅将该工作表中的Overall表格转换为CSV格式。该工作表下方还有其他表格，且无法修改输入格式。目前已实现提取指定工作表的功能，但不知道如何提取单个表格，现有代码如下：

import pandas as pd
from pyxlsb import open_workbook as open_xlsb

# first handle xls case 
xls = pd.ExcelFile('sample.xlsx') # workbook has 2 sheets: sheet 1 and sheet 2
df1 = pd.read_excel(xls, 'Sheet1')
df2 = pd.read_excel(xls, 'Sheet2')
# print(df1.head())
# print(df2.head())

示例表格结构：

解决方案 #

核心思路是通过定位表头行和后续的空行分割出目标表格，具体代码如下：

import pandas as pd

# 读取指定工作表，不预设表头，保留所有原始行数据
xls = pd.ExcelFile('sample.xlsx')
full_sheet = pd.read_excel(xls, 'Sheet1', header=None)

# 定位Overall表格的表头行（第一列值为"overall"的行）
header_idx = full_sheet[full_sheet[0] == 'overall'].index[0]

# 找到表头行之后的第一个全空行，作为目标表格的结束标记
empty_rows = full_sheet[(full_sheet.isnull().all(axis=1)) & (full_sheet.index > header_idx)].index
end_idx = empty_rows[0] - 1 if empty_rows.size > 0 else full_sheet.index[-1]

# 提取目标表格区域
overall_table = full_sheet.loc[header_idx:end_idx]
# 将表头行设置为列名
overall_table.columns = overall_table.iloc[0]
# 移除重复的表头行
overall_table = overall_table[1:]
# 重置索引
overall_table.reset_index(drop=True, inplace=True)

# 保存为CSV文件
overall_table.to_csv('overall_table.csv', index=False)

代码说明 #

1. 读取整个工作表的所有行，不指定表头，避免自动识别表头导致的错误；
2. 通过第一列的"overall"值定位目标表格的起始行；
3. 找到表头行之后的第一个全空行，以此确定目标表格的结束位置；
4. 提取中间区域后，将起始行设置为列名，移除重复行并重置索引；
5. 最后将处理好的表格保存为CSV文件。

内容的提问来源于stack exchange，提问作者hussain sagar