Python如何读取Excel文件中形状内嵌文本框的内容？

要同时兼容.xls和.xlsx格式的内嵌文本读取，需要分别适配两种格式的底层结构，以下是可直接复用的实现思路和代码：

1. 格式适配逻辑 #

• .xlsx格式：本质是ZIP压缩包，所有形状和文本框数据存放在xl/drawings/目录下的XML文件中，不需要依赖openpyxl的原生读取能力，直接解析XML即可拿到所有内嵌文本
• .xls格式：属于二进制OLE2格式，需要用xlrd结合olefile解析其中的Workbook流里的Office Drawing记录，提取文本框内容

2. 完整实现代码 #

首先安装依赖：

pip install openpyxl xlrd==1.2.0 olefile zipfile36

通用读取函数示例：

import zipfile
import xml.etree.ElementTree as ET
import xlrd

def get_excel_shape_text(file_path: str) -> list:
    shape_texts = []
    # 匹配xlsx/xlsm格式
    if file_path.endswith(('.xlsx', '.xlsm')):
        with zipfile.ZipFile(file_path, 'r') as zf:
            # 遍历所有绘图文件
            drawing_files = [f for f in zf.namelist() if f.startswith('xl/drawings/drawing') and f.endswith('.xml')]
            ns = {'a': 'http://schemas.openxmlformats.org/drawingml/2006/main'}
            for df in drawing_files:
                xml_content = zf.read(df)
                root = ET.fromstring(xml_content)
                # 提取所有文本节点内容
                text_nodes = root.findall('.//a:t', ns)
                for node in text_nodes:
                    if node.text and node.text.strip():
                        shape_texts.append(node.text.strip())
    # 匹配xls格式
    elif file_path.endswith('.xls'):
        wb = xlrd.open_workbook(file_path, formatting_info=True)
        for sheet in wb.sheets():
            if hasattr(sheet, 'shapes'):
                for shape in sheet.shapes:
                    # 0x18为文本框的类型标识
                    if shape.type == 0x18 and hasattr(shape, 'text') and shape.text:
                        shape_texts.append(shape.text.strip())
    return shape_texts

3. 使用说明 #

• 提取到的文本可直接和原有单元格读取逻辑合并，共同写入数据库
• 如果需要关联文本框对应的单元格位置，可额外解析XML中的锚点属性、或xls格式中shape的位置字段进行匹配
• xls格式必须使用xlrd==1.2.0版本，更高版本的xlrd已移除对xls格式二进制属性的读取支持

内容的提问来源于stack exchange，提问作者user2905416