高效Excel数据净化工具：一键清除不可见字符与格式残留

摘要

本文将分享一款基于Python的Excel数据净化工具，用于自动清除给定的Excel文档中指定工作表中的不可见字符、批注、单元格样式等冗余数据。脚本支持进度可视化展示，保留核心数据处理逻辑的同时确保文件格式规整，特别适用于需要规范数据格式的企业级应用场景。

---

架构流程图

异常处理

可视化组件

核心处理模块

存在

不存在

循环处理

完成所有行

输出错误信息

更新进度条

清理条件格式

清除不可见字符

移除批注

重置字体样式

清除填充颜色

用户输入

输入参数

加载Excel文件

工作表存在性检查

初始化清理

逐行处理单元格

保存新文件

---

工具脚本源码

import openpyxl
from openpyxl.styles import NamedStyle, Font, Border
from openpyxl.formatting import Rule
import re
from tqdm import tqdm  # 新增进度条库
from openpyxl.styles import PatternFill

def clean_invisible_chars(text):
    """清除字符串中的不可见字符"""
    if not isinstance(text, str):
        return text
    # 清除控制字符(ASCII 0-31，除了\t\n\r)
    return re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f\x7f]', '', text)

def clear_all_and_save(input_file, output_file, sheet_name):
    """
    清除工作表中的:
    1. 不可见字符
    2. 批注
    3. 单元格样式
    """

    # 已清理的列表
    cleared_set = set()
    
    # 加载工作簿
    wb = openpyxl.load_workbook(input_file)
    # 创建无样式对象
    no_style = NamedStyle(name="Normal")
    # 创建无填充对象
    no_fill = PatternFill(fill_type=None)
    
    
    
    # 检查工作表是否存在
    if sheet_name not in wb.sheetnames:
        print(f"错误: 工作表 '{sheet_name}' 不存在。")
        print(f"可用工作表列表: {', '.join(wb.sheetnames)}")
        return
    
    # 获取工作表
    ws = wb[sheet_name]
    # 获取总行数用于进度条
    total_rows = ws.max_row
    
    
    
    first_init = True
    
    # 使用tqdm显示进度条
    for row in tqdm(ws.iter_rows(), total=total_rows, desc="处理进度"):

        if first_init == True:
            print(f"初始化完成，开始清理数据...")
            
            # 彻底清除所有条件格式和样式
            ws.conditional_formatting = []
            cleared_set.add('条件格式填充色')
            # cleared_set.add('单元格默认样式')
            print(f"✔ 已彻底清理 工作表：{sheet_name} 的所有样式设置, 开始单元格处理...")
                
            first_init = False
        
        for cell in row:
            # 彻底清除单元格所有样式
            cell.fill = PatternFill(fill_type=None)
            cell.font = Font(name='Calibri', size=11, bold=False, italic=False)
            cell.border = Border()
            cell.number_format = 'General'
            # 清除不可见字符
            if cell.value and isinstance(cell.value, str):
                cell.value = clean_invisible_chars(cell.value)
                cleared_set.add('不可见字符')
                
            # 清除批注
            if cell.comment:
                cell.comment = None
                cleared_set.add('批注')
                
            # 清除样式
            cell.style = no_style
            cleared_set.add('单元格样式')
            
            # 清除单元格填充颜色
            if cell.fill:
                cell.fill = no_fill
                cleared_set.add('单元格填充色')
    
    # 保存工作簿到新的文件
    wb.save(output_file)
    
    # cleared_text = ", ".join(cleared_set)
    cleared_text = "\n".join(f"  ✔ 清除-{item}" for item in cleared_set)
    # print(f"已清理[{cleared_text}]，并保存到 {output_file}")
    print("已完成：\n"+cleared_text+f"\n并保存到 {output_file}")

# 使用示例
input_excel_file = r'测试-脱敏结果.xlsx'  # 输入Excel文件路径
output_excel_file = r'清除样式_测试-脱敏结果.xlsx'  # 输出Excel文件路径
sheet_to_clean = 'PB' # 'Sheet1'  # 要清理的工作表名称

print(f"初始化中...")
print(f"输入文件: {input_excel_file}")
print(f"输出文件: {output_excel_file}")
print(f"目标工作表: {sheet_to_clean}")
try:
    clear_all_and_save(input_excel_file, output_excel_file, sheet_to_clean)
except Exception as e:
    print(f"处理过程中发生错误: {str(e)}")

---

功能特性说明

1. 三重数据净化

• 隐形字符清除：正则表达式过滤ASCII 0-31控制字符
• 格式重置：统一字体、边框、填充样式为默认值
• 元数据清理：移除单元格批注及条件格式

2. 可视化进度提示

采用tqdm库实现：

• 实时处理进度条
• 预估剩余时间
• 已完成项目统计

3. 安全防护机制

• 工作表存在性校验
• 异常捕获与友好提示
• 输出文件独立保存

---

典型应用场景

1. 数据迁移前的格式标准化
2. 第三方数据接入清洗
3. 报表自动化生成预处理
4. 敏感信息脱敏后处理