如何避免pandas to_excel将_x10e6_转换为ღ？追加Excel文件场景

这个问题的核心是openpyxl会自动解析_xXXXX_格式的字符串为对应Unicode实体（_x10e6_对应U+10E6字符ღ），和文件编码无关，所以调整encoding参数无效。以下是可行的解决方法：

步骤1：临时替换列名，避免自动解析 #

在将Pandas DataFrame写入Excel前，把列名中的_x10e6_替换为一个不会被识别为实体编码的临时标记：

goldDF = spark.read.format('csv')\
    .option('header', True)\
    .option('delimiter', ',')\
    .load(file_path)

pandaDF = goldDF.toPandas()

# 替换列名中的_x10e6_为临时标记
pandaDF.columns = [col.replace('_x10e6_', 'TEMP_X10E6_PLACEHOLDER') for col in pandaDF.columns]

with pd.ExcelWriter('/tmp/output.xlsx', mode='a', engine='openpyxl') as writer:  
    pandaDF.to_excel(writer, sheet_name=name, index=False)

步骤2：修改Excel表头，恢复原列名 #

写入完成后，用openpyxl直接加载文件，将表头中的临时标记替换回_x10e6_：

from openpyxl import load_workbook

# 加载已写入的Excel文件
wb = load_workbook('/tmp/output.xlsx')
ws = wb[name]

# 遍历表头行（第一行）替换标记
for cell in ws[1]:
    if cell.value:
        cell.value = cell.value.replace('TEMP_X10E6_PLACEHOLDER', '_x10e6_')

# 保存修改
wb.save('/tmp/output.xlsx')

# 复制到Delta Lake路径
dbutils.fs.cp("file:/tmp/output.xlsx", "/mnt/delta_lake_path")

原理说明 #

openpyxl遵循Office Open XML规范，会自动将_x[0-9A-F]{4}_格式的字符串解码为对应的Unicode字符。通过临时替换的方式，避开这一自动解析逻辑，写入后再恢复原列名，就能保留_x10e6_的原始文本。

内容的提问来源于stack exchange，提问作者Chris