如何加速Unix环境下unoconv转换大体积XLSX到CSV的速度？

我之前也踩过unoconv处理大Excel文件的坑——超过20MB的文件转CSV居然要10+分钟，后来试了几个方法，速度提升明显，分享给你：

1. 给unoconv的依赖办公套件加资源优化参数 #

unoconv本质是调用LibreOffice/OpenOffice的无头模式来处理文件，默认启动参数有很多冗余，而且内存分配不足。你可以在命令里直接传递优化后的启动参数给办公套件：

unoconv -f csv --office="soffice --headless --norestore --nolockcheck --nodefault --nologo --nofirststartwizard --limit-memory 2048M" testfile.xlsx

参数解释：

• --limit-memory 2048M：给LibreOffice分配2GB内存（根据你的服务器配置可以调更高，比如4096M），避免大文件处理时内存不足导致频繁磁盘交换
• --norestore：跳过启动时的文档恢复检查，减少不必要的开销
• --nolockcheck：跳过文件锁检查，避免因锁等待拖慢速度
• 其他参数（--nodefault/--nologo等）：关闭不必要的UI和初始化流程，让进程更轻量化

2. 拆分大文件后分批转换 #

如果你的XLSX包含多个工作表，没必要一次性转整个文件，单独处理每个工作表会快很多：

步骤1：单独转换每个工作表 #

# 转换第1个工作表
unoconv -f csv --sheet 1 testfile.xlsx
# 转换第2个工作表
unoconv -f csv --sheet 2 testfile.xlsx

步骤2：合并CSV文件（注意表头问题） #

如果所有工作表结构一致，合并时只保留第一个文件的表头：

# 保留第一个文件的表头，跳过后续文件的表头
cat testfile_sheet1.csv <(tail -n +2 testfile_sheet2.csv) <(tail -n +2 testfile_sheet3.csv) > combined.csv

如果文件是单工作表但行数极多，也可以用Python的pandas分块读取转换，避免一次性加载整个文件到内存：

import pandas as pd

chunk_size = 10000  # 每次处理10000行
output_file = "testfile.csv"

# 初始化输出文件，写入表头
first_chunk = True
for chunk in pd.read_excel("testfile.xlsx", chunksize=chunk_size):
    chunk.to_csv(
        output_file,
        index=False,
        header=first_chunk,
        mode="a" if not first_chunk else "w"
    )
    first_chunk = False

3. 替换unoconv为更轻量的专用工具 #

unoconv依赖庞大的办公套件，对于XLSX转CSV这种单一任务来说太重了。推荐用xlsx2csv，这是一个纯Python实现的工具，直接解析XLSX的底层结构，不需要启动LibreOffice，速度快几个量级：

安装xlsx2csv #

pip install xlsx2csv

转换命令 #

# 转换整个文件（所有工作表）
xlsx2csv --all testfile.xlsx testfile.csv
# 转换指定工作表
xlsx2csv --sheet "Sheet1" testfile.xlsx testfile.csv

亲测20MB的XLSX文件，用xlsx2csv转CSV只需要几十秒，而unoconv要10分钟以上，差距非常明显。

4. 优化LibreOffice的全局配置 #

如果必须坚持用unoconv，可以修改LibreOffice的配置文件来提升内存上限：

1. 找到LibreOffice的配置文件，通常在：
   • 系统级：/etc/libreoffice/sofficerc
   • 用户级：~/.config/libreoffice/4/user/sofficerc（版本号可能不同，比如5/6）
2. 找到[UserInstallation] section，修改MemoryLimit的值，比如：

   MemoryLimit=4096
   

   这里的单位是MB，根据你的服务器内存情况调整，比如8GB内存的机器可以设为4096或6144。

内容的提问来源于stack exchange，提问作者user2058738