xlsx纯标准库只读解析法

适用场景

系统需要读取已有 .xlsx 数据，但环境无 openpyxl（HFMS 两 Python 均无），且要求纯标准库零依赖。典型：把 Excel 数据源（财务账目、健康监测表、资产清单）导入 HFMS 台账前的探查与解析。输出 {sheet名: [ {列号: 单元格值} ... ]}，业务层再按列号映射字段。

操作步骤

1. 开包与共享字符串：zipfile.ZipFile(path)；若含 xl/sharedStrings.xml，先解析为 shared[]（<si><t> 拼接），供 t="s" 单元格按索引取串。
2. sheet 名 + 路径映射：读 xl/workbook.xml 拿 (name, r:id)；读 xl/_rels/workbook.xml.rels 把 rId→Target。Target 可能带前导 /（/xl/worksheets/sheetN.xml），必须先 lstrip('/') 再判 startswith('xl/')，否则路径变 xl//xl/... 报 KeyError。
3. 单元格取值：遍历 worksheet 的 row/c，按 t：s→shared[int(v)]；inlineStr→<is><t> 拼接；无 t 或 t="n"→<v> 数值；t="str"→公式串。列字母 col_to_idx（A=0 26 进制），ref 拆 col+row。
4. 返回结构：{sheet名: [ {colIdx: val}, ... ]}（仅非空行），业务层按列号取字段。
5. 日期换算：Excel 日期常为序列号（自 1899-12-30 起的天数），用 date(1899,12,30)+timedelta(days=int(n))；时间分数（0.0833=02:00）用 *24 取 HH:MM。

核心解析器（可直接复用）

import zipfile, re, datetime, xml.etree.ElementTree as ET
NS = "{http://schemas.openxmlformats.org/spreadsheetml/2006/main}"
def col_to_idx(col):
 i = 0
 for ch in col: i = i * 26 + (ord(ch) - ord('A') + 1)
 return i - 1
def split_ref(ref):
 m = re.match(r"([A-Z]+)(\d+)", ref); return m.group(1), int(m.group(2))
def read_xlsx(path):
 z = zipfile.ZipFile(path); sh = []
 if "xl/sharedStrings.xml" in z.namelist():
 for si in ET.fromstring(z.read("xl/sharedStrings.xml")).findall(NS + "si"):
 sh.append("".join(t.text or "" for t in si.iter(NS + "t")))
 wb = ET.fromstring(z.read("xl/workbook.xml")); sheets = []
 for s in wb.find(NS + "sheets").findall(NS + "sheet"):
 sheets.append((s.get("name"),
 s.get("{http://schemas.openxmlformats.org/officeDocument/2006/relationships}id")))
 rels = ET.fromstring(z.read("xl/_rels/workbook.xml.rels")); r2t = {}
 for r in rels.findall("{http://schemas.openxmlformats.org/package/2006/relationships}Relationship"):
 r2t[r.get("Id")] = r.get("Target")
 out = {}
 for name, rid in sheets:
 t = r2t[rid].lstrip("/"); t = t if t.startswith("xl/") else "xl/" + t
 root = ET.fromstring(z.read(t)); rows = []
 for row in root.iter(NS + "row"):
 cells = {}
 for c in row.findall(NS + "c"):
 col, num = split_ref(c.get("r")); tt = c.get("t")
 v = c.find(NS + "v"); is_ = c.find(NS + "is")
 if tt == "s" and v is not None: val = sh[int(v.text)]
 elif tt == "inlineStr" and is_ is not None:
 val = "".join(x.text or "" for x in is_.iter(NS + "t"))
 elif v is not None: val = v.text
 else: val = ""
 cells[col_to_idx(col)] = val
 if cells: rows.append(cells)
 out[name] = rows
 return out

注意边界

• 覆盖最常见布局（共享串 + 内联串 + 数值）；合并单元格、公式结果（<v> 已是缓存值）、富文本 <r> 按现有逻辑够用。
• 单元格 t 缺省且 <v> 是数字＝数值；t="s" 才查共享串——务必先判 t 再取，否则串被当数字。
• 日期是序列号而非文本时，必须换算；文本日期用 datetime.fromisoformat 校验，别用 SQL GLOB '____-__-__'（_ 是字面量非通配符，会假阳性报"非法日期"）。
• 源表常有脏数据：转置宽表、参考列（"标准*"）、姓名/出生日期元数据行——业务层按列号 + 数值范围过滤，解析器不负责。

反例避雷

• Target 带前导 / 不 lstrip('/') → xl//xl/worksheets/... KeyError（ZQ 资产踩坑，已修）。
• 用 GLOB '_' 判非法日期 → 误报"非法日期149"（CW 财务踩坑）；改用 datetime.fromisoformat 异常捕获。
• 把"标准高压/低压"参考列或"姓名/出生日期"元数据当数据行 → 导入污染；按 col6 非数字 / 数值越界 过滤。
• 引 openpyxl → 违反纯标准库零依赖；手写 OOXML 读取即可。

关联笔记

• [[技能｜xlsx报表纯标准库离线导出法]]（互补：导出用 inlineStr 写，本技能用 zipfile 读）
• [[技能｜台账体系SPECS驱动扩展法]]

实战战绩

2026-10-03 实战：CW 财务（房租水电/保险/工资，11 sheet 结构化表）、HL 健康（血压身高体重转置宽表 + 脏模板、陈逐时体温）、ZQ 资产清单查重（291 条只读镜像比对），全部用此解析器，零第三方依赖。

版本记录