使用R语言定位Excel加粗文本 读取生成合规结构化数据框

核心逻辑 #

你初始的实现思路完全可行，只需要补充边界规则即可覆盖常规场景，不需要引入复杂算法：

• 读取Excel阶段同步提取单元格格式属性，重点保留第一列每格的加粗状态与文本内容，注意普通的pandas read_excel方法不会读取格式信息，需要用支持格式读取的引擎（比如openpyxl）加载文件
• 遍历第一列时维护一个实时更新的「当前分组」变量：
  • 遇到加粗格式的单元格，判定为子分组标题，将「当前分组」更新为该单元格的文本内容，该单元格本身不写入最终结果（分组标题不是独立变量行）
  • 遇到非加粗格式的单元格，判定为具体变量条目，将当前分组名作为前缀，和当前单元格文本拼接后作为第一列的最终变量名，整行写入结果数据框
• 边界场景处理规则：
  • 表格开头存在无前置分组的非加粗条目时，直接保留原文本作为变量名，不拼接前缀
  • 连续出现多个加粗单元格时，以最后一个加粗单元格的内容作为生效分组
  • 第一列为空的行直接跳过，既不更新分组，也不写入结果

可复用实现代码（Python 环境） #

依赖安装：pip install pandas openpyxl，openpyxl可直接读取xlsx文件的单元格格式，不需要本地安装Excel客户端

import pandas as pd
from openpyxl import load_workbook

def generate_accessible_df(excel_path, sheet_name=0, name_sep=" "):
    """
    读取Excel生成无障碍适配格式的数据框
    :param excel_path: Excel文件路径
    :param sheet_name: 要读取的工作表名或索引，默认读第一个工作表
    :param name_sep: 分组名和变量名拼接的分隔符，默认用空格
    """
    # 加载工作簿，同步读取值和单元格格式
    wb = load_workbook(excel_path, data_only=True)
    ws = wb[sheet_name] if isinstance(sheet_name, str) else wb.worksheets[sheet_name]

    # 逐行读取内容，记录第一列的加粗状态
    all_rows = []
    first_col_bold_flags = []
    for row in ws.iter_rows(values_only=False):
        row_values = [cell.value for cell in row]
        all_rows.append(row_values)
        first_cell = row[0]
        # 空单元格默认标记为非加粗
        is_bold = first_cell.font.bold if first_cell.value is not None else False
        first_col_bold_flags.append(is_bold)

    # 遍历生成结果
    current_group = None
    result_rows = []
    table_header = all_rows[0]
    for row_idx in range(1, len(all_rows)):
        first_col_val = all_rows[row_idx][0]
        if first_col_val is None:
            continue
        # 命中分组标题，更新当前分组
        if first_col_bold_flags[row_idx]:
            current_group = str(first_col_val).strip()
            continue
        # 命中具体变量，拼接变量名
        if current_group:
            final_var_name = f"{current_group}{name_sep}{str(first_col_val).strip()}"
        else:
            final_var_name = str(first_col_val).strip()
        # 替换第一列内容后存入结果
        new_row = all_rows[row_idx].copy()
        new_row[0] = final_var_name
        result_rows.append(new_row)

    return pd.DataFrame(result_rows, columns=table_header)

# 调用示例
# accessible_df = generate_accessible_df("你的目标文件.xlsx")

扩展适配 #

• 如果存在多级分组（比如一级分组加粗、二级分组标色/斜体），只需要在格式判断环节增加层级标记，维护对应层级的分组变量按顺序拼接前缀即可
• 分隔符可按需调整，比如需要生成符合数据库字段规范的变量名时，可以将name_sep设为下划线_
• 针对合并单元格形式的分组标题，openpyxl读取时仅会在合并区域的首个单元格保留值，其余合并位置为空，现有逻辑会自动跳过空单元格，不会干扰分组标记

内容的提问来源于stack exchange，提问作者user11849