使用Python在Excel工作表中设置数据验证
作者：大丸子
引言
在企业数据管理和报表系统中，数据的准确性和规范性至关重要。无论是员工信息录入、财务数据填报还是库存信息维护，都需要确保用户输入的数据符合业务规则。手动在 Excel 中设置数据验证虽然可行，但当需要批量处理多个文件或统一验证规则时，效率低下且容易遗漏。通过 Python 程序自动化设置 Excel 数据验证，不仅可以快速批量处理，还能保证规则的一致性和可追溯性。
本文将使用 Free Spire.XLS for Python 演示如何在 Excel 工作表中设置多种类型的数据验证，包括下拉列表、整数范围、小数范围、日期区间、文本长度和时间范围等，并结合实际业务场景帮助你理解数据验证的应用价值。
本文使用的方法需要用到 Free Spire.XLS for Python，可通过 pip 安装：
pip install spire.xls.free
1. 初始化工作簿和工作表
首先创建一个新的 Excel 工作簿，并获取第一个工作表用于设置数据验证：
from spire.xls import * from spire.xls.common import * workbook = Workbook() sheet = workbook.Worksheets[0] sheet.Name = "员工信息录入" sheet.Range["A1"].Text = "所属部门" sheet.Range["B1"].Text = "员工年龄" sheet.Range["C1"].Text = "绩效得分" sheet.Range["D1"].Text = "入职日期" sheet.Range["E1"].Text = "员工工号" sheet.Range["F1"].Text = "上班时间"
操作说明：
这里新建了一个 Excel 工作簿并获取第一个工作表，命名为"员工信息录入"。我们在第一行设置了六个字段的表头，后续将针对每个字段设置不同的数据验证规则，确保录入数据的规范性。
2. 下拉列表验证（部门选择）
在实际业务中，员工所属部门通常是固定的几个选项，例如"人事部""财务部""技术部""市场部"。通过下拉列表验证，可以避免用户输入错误的部门名称，确保数据的统一性。
sheet.Range["A2"].Text = "可选部门：" sheet.Range["A3"].Text = "人事部" sheet.Range["A4"].Text = "财务部" sheet.Range["A5"].Text = "技术部" sheet.Range["A6"].Text = "市场部" dept_cell = sheet.Range["B2"] dept_cell.DataValidation.DataRange = sheet.Range["A3:A6"] dept_cell.DataValidation.ShowError = True dept_cell.DataValidation.AlertStyle = AlertStyleType.Stop dept_cell.DataValidation.ErrorTitle = "输入错误" dept_cell.DataValidation.ErrorMessage = "请从下拉列表中选择部门！" dept_cell.DataValidation.ShowInput = True dept_cell.DataValidation.InputTitle = "选择部门" dept_cell.DataValidation.InputMessage = "请从固定部门列表中选择。"
使用场景：避免部门名称不统一（如"技术""技术部"混用），确保人事系统中的部门数据标准化。
保存文件后效果：
3. 整数验证（员工年龄）
员工年龄一般处于合理范围内，例如 18 到 60 岁。通过整数验证可以限制用户只能输入该范围内的整数值，避免出现异常数据。
sheet.Range["B1"].Text = "员工年龄 (18-60)" age_cell = sheet.Range["B3"] age_cell.DataValidation.AllowType = CellDataType.Integer age_cell.DataValidation.CompareOperator = ValidationComparisonOperator.Between age_cell.DataValidation.Formula1 = "18" age_cell.DataValidation.Formula2 = "60" age_cell.DataValidation.AlertStyle = AlertStyleType.Warning age_cell.DataValidation.ShowError = True age_cell.DataValidation.ErrorTitle = "年龄错误" age_cell.DataValidation.ErrorMessage = "请输入 18 到 60 之间的整数！" age_cell.DataValidation.InputMessage = "员工年龄验证" age_cell.DataValidation.IgnoreBlank = True age_cell.DataValidation.ShowInput = True
使用场景：保证录入的年龄数据合理，不会出现"5 岁员工"或"100 岁员工"的异常数据，确保人事数据的真实性和合规性。
保存文件后效果：
4. 小数验证（绩效得分）
员工的绩效考核得分通常是带小数的数值，例如 0 到 100 分之间的小数。通过小数验证可以确保绩效数据的精确性和合理性。
sheet.Range["C1"].Text = "绩效得分 (0-100)" score_cell = sheet.Range["C2"] score_cell.DataValidation.AllowType = CellDataType.Decimal score_cell.DataValidation.CompareOperator = ValidationComparisonOperator.Between score_cell.DataValidation.Formula1 = "0" score_cell.DataValidation.Formula2 = "100" score_cell.DataValidation.ShowError = True score_cell.DataValidation.ErrorMessage = "绩效得分必须在 0 到 100 之间！" score_cell.DataValidation.AlertStyle = AlertStyleType.Stop
使用场景：适用于绩效考核、评分统计等需要小数精度的场景，避免输入超出范围的分数或无效数值。
5. 日期验证（入职日期）
企业通常要求员工入职日期在某一合理区间内。例如，数据录入系统只允许选择 2023 年内的入职日期，以防止录入历史错误数据。
sheet.Range["D1"].Text = "入职日期 (2023年)" hire_date_cell = sheet.Range["D2"] hire_date_cell.DataValidation.AllowType = CellDataType.Date hire_date_cell.DataValidation.CompareOperator = ValidationComparisonOperator.Between hire_date_cell.DataValidation.Formula1 = "2023-01-01" hire_date_cell.DataValidation.Formula2 = "2023-12-31" hire_date_cell.DataValidation.ShowError = True hire_date_cell.DataValidation.ErrorMessage = "请输入 2023 年的有效日期！" hire_date_cell.DataValidation.AlertStyle = AlertStyleType.Warning
使用场景：确保入职时间不会超出考勤和人事系统设定范围，避免录入未来日期或过于久远的历史日期。
保存文件后效果：
6. 文本长度验证（员工工号）
工号通常有固定的位数规则，例如必须是 6 位字符。通过文本长度验证可以保证工号录入规范，便于后续系统识别和处理。
sheet.Range["E1"].Text = "员工工号 (6位)" id_cell = sheet.Range["E2"] id_cell.DataValidation.AllowType = CellDataType.TextLength id_cell.DataValidation.CompareOperator = ValidationComparisonOperator.Equal id_cell.DataValidation.Formula1 = "6" id_cell.DataValidation.ShowError = True id_cell.DataValidation.ErrorMessage = "工号必须为 6 位字符！" id_cell.DataValidation.AlertStyle = AlertStyleType.Stop
使用场景：避免工号录入长度不一导致系统识别异常，确保所有工号格式统一，便于数据库存储和查询。
7. 时间验证（上班时间）
在考勤管理中，员工的上班时间通常需要在合理的时间范围内，例如上午 7:00 到 9:00 之间。通过时间验证可以规范考勤数据的录入。
sheet.Range["F1"].Text = "上班时间 (07:00-09:00)" time_cell = sheet.Range["F2"] time_cell.DataValidation.AllowType = CellDataType.Time time_cell.DataValidation.CompareOperator = ValidationComparisonOperator.Between time_cell.DataValidation.Formula1 = "07:00" time_cell.DataValidation.Formula2 = "09:00" time_cell.DataValidation.AlertStyle = AlertStyleType.Info time_cell.DataValidation.ShowError = True time_cell.DataValidation.ErrorTitle = "时间错误" time_cell.DataValidation.ErrorMessage = "上班时间应在 07:00 到 09:00 之间！" time_cell.DataValidation.InputMessage = "上班时间验证" time_cell.DataValidation.IgnoreBlank = True time_cell.DataValidation.ShowInput = True
使用场景：适用于考勤系统、排班管理等场景，确保时间数据的合理性，便于统计分析和薪资计算。
8. 保存文件并调整格式
完成所有验证规则设置后，调整工作表的格式并保存为 Excel 文件：
for col in range(1, 7):
sheet.AutoFitColumn(col)
workbook.SaveToFile("DataValidation.xlsx", ExcelVersion.Version2016)
workbook.Dispose()说明：
使用 AutoFitColumn 方法自动调整列宽，使数据显示更加美观。最后将工作簿保存为 Excel 2016 格式的文件，并释放资源。
关键类与属性总结
数据验证设置流程
- 获取单元格范围：通过
sheet.Range["单元格地址"]获取需要设置验证的单元格对象。 - 设置验证类型：通过
DataValidation.AllowType指定验证类型（整数、小数、日期、时间、文本长度等）。 - 设置比较运算符：通过
DataValidation.CompareOperator指定比较方式（Between、Equal、LessOrEqual 等）。 - 设置验证条件：通过
Formula1和Formula2设置验证参数值。 - 配置提示信息：设置
ShowError、ErrorMessage、ShowInput、InputMessage等属性，提供用户友好的提示。 - 保存文件：使用
SaveToFile方法保存工作簿。
关键类与属性对照表
| 类 / 属性 | 说明 |
|---|---|
Workbook | 表示 Excel 工作簿，用于创建和保存文件 |
Worksheet | 表示 Excel 工作表，所有操作都基于该对象 |
CellRange | 表示单元格或单元格区域 |
DataValidation | 用于设置单元格数据验证规则 |
AllowType | 指定验证类型（整数、小数、日期、时间、文本长度等） |
CompareOperator | 指定比较运算符（Between、Equal、LessOrEqual 等） |
Formula1 / Formula2 | 用于设置验证条件的参数值 |
DataRange | 用于设置下拉列表的数据源范围 |
AlertStyle | 错误提示样式（Stop、Warning、Info） |
ShowError | 是否显示错误提示 |
ErrorTitle | 错误提示标题 |
ErrorMessage | 错误提示信息 |
ShowInput | 是否显示输入提示 |
InputTitle | 输入提示标题 |
InputMessage | 输入提示信息 |
IgnoreBlank | 是否允许空值 |
总结
通过本文示例，你已经了解如何使用 Free Spire.XLS for Python 在 Excel 工作表中设置多种类型的数据验证，包括下拉列表、整数范围、小数范围、日期区间、文本长度和时间范围。从初始化工作簿到设置各类验证规则，整个过程高度自动化，特别适用于批量生成带有数据验证规则的 Excel 模板文件。
相比手动设置验证规则，代码方式具有以下优势：可以批量处理多个文件，保证规则一致性；可以轻松修改和扩展验证规则；可以与数据处理流程无缝集成。你可以在此基础上扩展更多能力，例如自定义公式验证、条件格式设置、批量数据导入等。
如果你正在处理员工信息录入、财务数据填报、库存管理等需要数据规范化验证的需求，这种基于 Python 的 Excel 数据验证方案将为你的工作带来显著提升。
以上就是使用Python在Excel工作表中设置数据验证的详细内容，更多关于Python Excel设置数据验证的资料请关注脚本之家其它相关文章！