如何使用Python将Azure Blob存储的CSV文件转换为Excel并回传同一容器

实现方案 #

首先需要安装xlsx导出依赖：

pip install openpyxl

pandas导出xlsx格式需要依赖openpyxl作为处理引擎，不安装会触发模块缺失报错。

完整可运行代码 #

from io import StringIO, BytesIO
from azure.storage.blob import BlobServiceClient, ContainerClient, BlobClient
from typing import Container
import pandas as pd

# 替换为自己的存储账户连接字符串
# 国际版Azure EndpointSuffix为core.windows.net，中国区Azure为core.chinacloudapi.cn
conn_str = "DefaultEndpointsProtocol=https;AccountName=你的账户名;AccountKey=你的账户密钥;EndpointSuffix=core.chinacloudapi.cn"
container = "testing"
blob_name = "Test.csv"
filename = "test.xlsx"

container_client = ContainerClient.from_connection_string(
    conn_str=conn_str, 
    container_name=container
)   

# 原有读取CSV逻辑
downloaded_blob = container_client.download_blob(blob_name)
read_file = pd.read_csv(StringIO(downloaded_blob.content_as_text()))

# 将DataFrame转为内存中的Excel字节流
output = BytesIO()
# index=False表示不导出pandas默认索引列，可根据业务需求调整
read_file.to_excel(output, engine='openpyxl', index=False)
# 重置流指针到起始位置，避免上传内容为空
output.seek(0)

# 上传Excel文件到同一存储容器
container_client.upload_blob(
    name=filename,
    data=output,
    overwrite=True # 不需要覆盖已有文件可删除该参数
)

注意事项 #

• 连接字符串请替换为自身存储账户的真实信息，账户密钥需要有容器的读写权限
• 若处理的CSV文件体积超过可用内存，建议采用分批读取、分批写入的逻辑，避免内存溢出
• 有自定义Excel格式需求时，可以调用openpyxl的接口对生成的字节流做样式调整后再上传

内容的提问来源于stack exchange，提问作者Sreepu