openpyxl写入Excel文件时的非确定性行为原因咨询

这个问题我之前也碰到过，一开始特别纳闷——明明生成的DataFrame完全一样，怎么每次导出的Excel文件哈希值和大小都变，CSV却稳得一批？后来研究了下openpyxl的工作机制和XLSX格式的本质，终于搞懂了原因：

首先得明确一个关键点：XLSX格式本质上是个ZIP压缩包，你可以把后缀改成.zip解压看看，里面是一堆XML文件和元数据文件；而CSV就是纯文本，只有你的数据内容，没有任何额外信息。

导致Excel文件哈希变化的核心原因有两个：

• 自动生成的时间戳元数据：openpyxl在写入Excel时，会自动往文件里添加或更新时间相关的元数据，比如文件的创建时间、修改时间，还有内部XML文件里的<dcterms:created>、<dcterms:modified>这类字段。每次运行脚本的时间不一样，这些值就会跟着变，哪怕你的DataFrame数据半分没动。
• ZIP包的内部细微差异：ZIP压缩包的生成过程中，文件的存储顺序、压缩时的临时标记，或者openpyxl内部写入时的缓存信息，都可能让最终的ZIP包出现细微的结构差异。这些差异完全不影响Excel文件的实际内容，但会改变整个文件的哈希值。

而CSV就没这些幺蛾子，它是纯文本格式，写入的内容完全由DataFrame的数据决定，只要数据固定，生成的文本内容就100%一致，哈希值自然不会变。

你可以自己验证一下：把两次生成的xlsx文件改成zip后缀，解压后对比里面的docProps/core.xml文件，就能看到时间戳的明显差异；再看数据相关的xl/worksheets/sheet1.xml，内容肯定是完全一样的。

备注：内容来源于stack exchange，提问作者d4tm4x