Python实现Excel单元格彩色与非彩色文本提取

各库支持情况说明 #

• pandas、xlrd：无法实现需求。这两个库读取单元格时仅会返回完整的纯文本内容，不会保留单元格内不同文本段的独立字体颜色属性，无法拆分多色文本。
• openpyxl：可以实现需求，仅支持.xlsx格式文件。该库支持读取单元格富文本属性，可逐段提取文本内容和对应的字体颜色。
• 若需要处理旧版.xls格式文件，可使用xlwings（跨平台，依赖本地安装Excel/WPS）或pywin32（仅Windows平台）调用Office原生接口读取，核心逻辑和openpyxl方案一致。

openpyxl实现代码 #

首先安装依赖：

pip install openpyxl

提取代码示例：

from openpyxl import load_workbook
from openpyxl.cell.rich_text import TextBlock

# 加载文件时必须开启rich_text参数，否则无法读取分段富文本
wb = load_workbook("你的目标文件.xlsx", rich_text=True, data_only=False)
ws = wb["目标工作表名称"]

# 示例：提取A1单元格的分色文本，可按需遍历整列单元格
cell = ws["A1"]
color_content = {}

for seg in cell.value:
    # 无单独格式的普通文本段，使用单元格默认字体颜色
    if isinstance(seg, str):
        # 获取单元格默认字体颜色，无特殊设置时默认是黑色
        default_color = cell.font.color.rgb if cell.font.color else "FF000000"
        color_content.setdefault(default_color, []).append(seg)
    # 带独立格式的富文本块
    elif isinstance(seg, TextBlock):
        seg_color = seg.font.color.rgb if seg.font.color else "FF000000"
        color_content.setdefault(seg_color, []).append(seg.text)

# 拼接同颜色的文本片段
for color in color_content:
    color_content[color] = "".join(color_content[color])

print(color_content)
# 输出格式为 颜色ARGB值: 对应文本内容，示例：
# {'FF000000': '这是黑色文本', 'FFFF0000': '这是红色文本'}

注意事项 #

• openpyxl返回的颜色值为ARGB格式十六进制字符串，例如纯红色为FFFF0000、纯黑色为FF000000，可根据实际文件内的颜色值做映射匹配。
• 读取文件时不要设置data_only=True，否则可能丢失富文本格式信息。
• 如果需要批量处理整列多色单元格，只需要遍历对应列的单元格，对每个单元格执行上述分段提取逻辑即可。

内容的提问来源于stack exchange，提问作者Surya Tej