Python基于pyxlsb/pandas读取xlsb时如何识别跳过隐藏行

核心问题直接答复 #

• 隐藏行定位、统计的能力支持：pyxlsb完全可以实现隐藏行的识别与统计，核心用到工作表对象的row_dimensions元数据属性。之前用的rows(sparse=False)仅能读取单元格值，未加载行的格式、隐藏属性元数据，因此无法感知隐藏行状态。每一条行维度对象都带有hidden布尔字段，可直接标记对应行是否为隐藏状态，行号与Excel界面的计数逻辑一致。
• pandas内置配置的支持情况：pandas目前没有针对xlsb格式的原生参数，无法在读取环节自动识别并跳过隐藏行。现有skiprows参数仅支持手动传入固定行范围、固定行数的跳过规则，无法自动匹配行的隐藏属性，不能靠pandas内置配置一步完成需求。

落地实现步骤 #

1. 先通过pyxlsb提取目标工作表的所有隐藏行号，生成需要跳过的行集合
   示例代码：

   from pyxlsb import open_workbook
   
   def get_hidden_rows(file_path: str, sheet_name: str) -> set[int]:
       hidden_row_set = set()
       with open_workbook(file_path) as wb:
           sheet = wb.get_sheet(sheet_name)
           for row_num, row_meta in sheet.row_dimensions.items():
               if row_meta.hidden:
                   hidden_row_set.add(row_num)
       return hidden_row_set
   

2. 将提取到的隐藏行号，与原有读取逻辑的跳过规则合并，传入pandas的skiprows参数即可完成读取时自动跳过
   修正后的pandas读取示例（顺带修正原代码的拼写笔误secols为usecols）：

   import pandas as pd
   
   # 提前获取所有隐藏行
   hidden_rows = get_hidden_rows('test.xlsb', 'Test')
   # 合并原有跳过规则（原代码要求跳过第1行）
   skip_targets = hidden_rows.union({1})
   
   excel_df = pd.read_excel(
       'test.xlsb',
       engine='pyxlsb',
       sheet_name='Test',
       skiprows=skip_targets,
       usecols=colum_to_read
   )
   

纯pyxlsb逐行处理的替代方案 #

如果不需要依赖pandas读取流程，可在逐行遍历单元格数据时，提前加载隐藏行集合，遍历时直接跳过对应行即可，不需要额外做pandas的参数适配：

all_valid_rows = []
with open_workbook('test.xlsb') as wb:
    sheet = wb.get_sheet('Test')
    hidden_rows = {idx for idx, meta in sheet.row_dimensions.items() if meta.hidden}
    # enumerate从1开始计数，和Excel行号、pyxlsb的行号规则对齐
    for row_no, row_cells in enumerate(sheet.rows(), start=1):
        if row_no in hidden_rows:
            continue
        row_value_list = [cell.v for cell in row_cells]
        all_valid_rows.append(row_value_list)

注意事项 #

• pyxlsb返回的行号、pandas skiprows 参数接收的行号，均与Excel界面的1起始行计数逻辑一致，不需要额外做索引偏移转换。
• row_dimensions仅会记录被手动设置过隐藏/显示状态的行，未做过行高、隐藏设置的普通行不会出现在这个字典中，默认按可见行处理，不会出现误判。

内容的提问来源于stack exchange，提问作者thangaraj1980