批量转换文件夹XLSX文件为CSV时出错，求排查解决

我之前批量处理几百个Excel文件时也碰到过这种“无声报错”的情况——前半段跑得好好的，后半段突然停住还没任何提示，大概率是个别文件有特殊问题，或是资源没释放导致的。咱们一步步来解决：

第一步：先给代码加异常捕获，揪出“捣蛋文件” #

你现在的代码没做错误处理，一旦某个文件读取出问题，整个循环直接崩掉还没提示。先把代码改成这样，把错误信息和出问题的文件名打出来：

import glob
import pandas as pd

excel_files = glob.glob('/*xlsx*')
for idx, excel_file in enumerate(excel_files):
    try:
        print(f"正在处理第{idx+1}个文件：{excel_file}")
        df = pd.read_excel(excel_file, engine='openpyxl')  # 明确指定引擎，避免xlrd的XLSX支持问题
        output = excel_file.rsplit('.', 1)[0] + '.csv'  # 用rsplit避免文件名含多个点时截错
        df.to_csv(output, encoding='utf-8-sig', index=False)  # utf-8-sig适配Windows，避免乱码
        # 手动释放内存，防止处理上千个文件后内存溢出
        del df
    except Exception as e:
        print(f"处理文件{excel_file}时出错：{str(e)}")

这里几个小细节优化：

• 用rsplit('.',1)代替split('.')[0]，如果文件名里有多个点（比如project.v2.xlsx），不会把文件名截错
• 指定engine='openpyxl'，因为xlrd从2.0版本开始不再支持XLSX格式，之前能跑可能是环境里xlrd版本低，现在处理到某些文件触发了兼容问题
• 用utf-8-sig比单纯utf-8更适配Windows系统，避免CSV用Excel打开时出现乱码
• 循环里del df手动释放内存，处理上千个文件后内存不会越积越高

第二步：根据报错信息排查剩余文件的常见问题 #

捕获到错误后，大概率是以下几种情况：

• 文件损坏/格式异常：有些XLSX可能是用WPS等非标准软件导出的，或是中途下载/保存时损坏，先手动打开这些文件看看能不能正常打开
• 隐藏工作表/多工作表：默认read_excel只读第一个工作表，如果某个文件只有隐藏工作表，或者需要读特定工作表，得指定sheet_name参数，比如sheet_name=0（第一个表）或者sheet_name='数据汇总'
• 文件名/路径含特殊字符：比如文件名里有中文、空格、*/?这类特殊符号，虽然glob能匹配到，但处理时可能出问题，建议先给这些文件重命名试试
• 内存不足：处理上千个文件后，Python进程占用内存过高，系统自动终止了进程。除了del df，还可以在循环里加import gc; gc.collect()强制触发垃圾回收

第三步：如果还是卡，试试分批次处理 #

把文件列表分成小批次处理，比如每处理100个就重启一次脚本，避免内存持续占用：

import glob
import pandas as pd

excel_files = glob.glob('/*xlsx*')
batch_size = 100

for batch_start in range(0, len(excel_files), batch_size):
    batch_files = excel_files[batch_start:batch_start+batch_size]
    for excel_file in batch_files:
        try:
            df = pd.read_excel(excel_file, engine='openpyxl')
            output = excel_file.rsplit('.',1)[0]+'.csv'
            df.to_csv(output, encoding='utf-8-sig', index=False)
            del df
        except Exception as e:
            print(f"错误：{excel_file} - {str(e)}")

先加异常捕获找到具体出问题的文件，再针对性解决，应该就能搞定啦！

内容的提问来源于stack exchange，提问作者Karma