Python处理大型已存在xlsx文件的库选择及openpyxl内存问题咨询

我太懂这种痛点了！之前用openpyxl处理超大Excel的时候，也踩过write_only模式没法设表头格式、二次修改又爆内存的坑。给你分享两个靠谱的解决方案：

方案一：写入时直接设置表头样式（最优解） #

write_only模式的核心优势是流式写入、低内存占用，但它确实不支持事后修改单元格——因为数据是写完就直接刷到磁盘的，没法回头编辑。所以最好的办法是在写入表头的同时就把样式加上，全程用write_only模式完成，不用二次打开文件。

具体代码示例：

from openpyxl import Workbook
from openpyxl.styles import NamedStyle, Font, Alignment, PatternFill, Border, Side
from openpyxl.cell import Cell

# 创建write_only工作簿
wb = Workbook(write_only=True)
ws = wb.create_sheet()

# 定义表头样式（可以根据需求调整）
header_style = NamedStyle(name="header_style")
header_style.font = Font(bold=True, color="FFFFFF")  # 白色加粗字体
header_style.fill = PatternFill(start_color="4F81BD", end_color="4F81BD", fill_type="solid")  # 蓝色填充
header_style.alignment = Alignment(horizontal="center", vertical="center")  # 居中对齐
header_style.border = Border(
    left=Side(style='thin'), right=Side(style='thin'),
    top=Side(style='thin'), bottom=Side(style='thin')
)  # 细边框

# 将样式添加到工作簿
wb.add_named_style(header_style)

# 构造带样式的表头单元格
header_content = ["姓名", "年龄", "邮箱", "注册日期"]
styled_header = []
for val in header_content:
    cell = Cell(ws, value=val)
    cell.style = "header_style"
    styled_header.append(cell)

# 写入表头
ws.append(styled_header)

# 写入大量数据（这里模拟10万行）
for i in range(100000):
    ws.append([f"用户{i}", 20 + i, f"user{i}@example.com", "2024-01-01"])

# 直接保存，全程内存占用极低
wb.save("large_styled_excel.xlsx")

这个方法的好处是全程流式处理，不管文件多大，内存都不会爆，而且一步到位完成格式设置，效率最高。

方案二：只读模式读取+写入模式重写（适合需二次修改的场景） #

如果已经生成了无格式的大文件，必须要补表头样式，那绝对不能用普通的load_workbook（会把整个文件加载到内存，直接爆），而是要用read_only模式读取原文件，再用write_only模式写入新文件，全程流式处理，内存占用可控。

代码示例：

from openpyxl import load_workbook, Workbook
from openpyxl.styles import NamedStyle, Font, Alignment, PatternFill
from openpyxl.cell import Cell

# 用read_only模式打开原文件（不会加载整个文件到内存）
wb_read = load_workbook("large_raw_excel.xlsx", read_only=True)
ws_read = wb_read.active

# 创建新的write_only工作簿
wb_write = Workbook(write_only=True)
ws_write = wb_write.create_sheet()

# 定义表头样式
header_style = NamedStyle(name="header_style")
header_style.font = Font(bold=True, color="FFFFFF")
header_style.fill = PatternFill(start_color="4F81BD", end_color="4F81BD", fill_type="solid")
header_style.alignment = Alignment(horizontal="center", vertical="center")
wb_write.add_named_style(header_style)

# 读取原文件表头并设置样式
header_row = next(ws_read.iter_rows(values_only=False))  # 读取第一行表头
styled_header = []
for cell in header_row:
    new_cell = Cell(ws_write, value=cell.value)
    new_cell.style = "header_style"
    styled_header.append(new_cell)
ws_write.append(styled_header)

# 流式读取剩余数据并写入新文件
for row in ws_read.iter_rows(min_row=2, values_only=True):
    ws_write.append(row)

# 保存新文件
wb_write.save("large_styled_excel.xlsx")

# 关闭只读模式的工作簿
wb_read.close()

这个方法相当于做了一次“流式复制+格式修改”，内存里只会保留当前处理的行，所以几十万行的大文件也不会触发内存错误。

为什么二次打开大文件会爆内存？ #

普通的load_workbook()默认会把Excel里的所有单元格、格式、公式等全部加载到内存中，对于几十万行的大文件，内存占用会瞬间飙升到几个G，很容易触发MemoryError。而read_only和write_only模式都是基于流式处理，只在内存中保留当前处理的内容，内存占用极低。

内容的提问来源于stack exchange，提问作者Slumdog