Python批量替换Excel多个工作簿的行数据

1. 问题背景：为什么要批量替换多个工作簿的行数据

本文主题是 批量替换多个工作簿的行数据。和前面批量调整格式、批量改文件名不同，这一节已经进入“数据修正”层面，操作风险更高，但实际价值也更大。

在日常办公里，很多 Excel 报表的问题不是格式乱，而是源数据中有一类固定错误。例如部门名称变更、产品名称写错、负责人信息调整、金额或状态字段需要统一修正。如果只改一个文件，手动操作还能接受；如果几十个工作簿里都有同样的问题，继续手工修改就很容易漏改、错改，而且后续也不好追溯。

这张图展示的是本文的核心目标：用 Python 批量打开多个 Excel 工作簿，将符合条件的旧行数据替换成新的标准行数据。

从图中可以看出，本文不是简单替换某个单元格，而是对一整行数据做匹配和替换。例如旧数据是 北京 | 销售 | 张三 | 1000，新数据是 北京 | 销售事业部 | 张三 | 1200。这种处理方式更适合“整条记录需要统一修正”的场景。

风险提醒：整行替换比单元格替换更敏感。因为它会一次性覆盖多个字段，所以必须先确认匹配条件足够准确，不能只凭某一个模糊字段就直接改整行。

2. 场景说明：哪些情况适合整行替换

批量替换行数据最适合处理“多个文件中存在同一类错误记录”的场景。例如分公司报表、区域报表、销售数据、客户信息、订单明细等多个工作簿里，都存在同一条旧记录，现在需要统一替换成新的标准记录。

这张图展示的是批量替换行数据的典型应用场景。

从图中可以看出，多个 Excel 文件中都存在同样的错误数据，统一修正后可以让产品名称、部门名称、订单记录等信息保持一致。这类需求在财务报表、销售报表、客户资料、资产台账里都很常见。

推荐做法：如果只是某一列名称变更，例如“销售”改成“销售事业部”，优先考虑按列替换；如果一条记录中多个字段都要同步修正，再考虑整行替换。不要把简单问题复杂化。

我个人更建议把整行替换用于“确定性很强”的修正任务，比如某条订单记录、某个员工数据、某条资产明细确实需要整体替换。它不适合用来做模糊清洗，也不适合在字段不稳定的情况下直接批量执行。

3. 核心原理：enumerate() 定位行号，if 精确匹配整行

这一节的核心不是 xlwings 本身，而是两个判断动作：第一，遍历每一行时同时拿到行号；第二，判断当前行是否和目标旧行完全一致。前者靠 enumerate()，后者靠 if row == old_row。

这张图展示的是本文最关键的技术原理：用 enumerate() 拿到 Excel 行号，再用 if 判断是否精确匹配旧行。

从图中可以看出，程序会逐行比较当前行数据和 old_row。只有当整行内容完全一致时，才会执行替换，把该行改成 new_row。这里的 idx 非常关键，因为它对应 Excel 中真实的行号。

for idx, row in enumerate(rows, start=2):
    if row == old_row:
        sht.range(f"A{idx}").value = new_row

原理说明：rows 是去掉表头后的数据行，所以它在 Python 里从第 1 条数据开始遍历，但在 Excel 里真实行号通常从第 2 行开始。因此这里使用 start=2，让 idx 和 Excel 行号对齐。

注意：row == old_row 是精确匹配。只要某个单元格多了空格、数字类型不一致、日期格式不同，匹配就可能失败。所以正式处理前一定要先确认源数据格式。

4. 操作流程：从遍历文件到保存结果

在写代码前，先把处理流程拆清楚。这类脚本不能一上来就写替换逻辑，而要先完成文件筛选、工作表检查、数据读取、行匹配、写回保存这些基本步骤。

这张图展示的是完整执行流程：遍历文件、读取表格、精确匹配、替换整行、保存结果。

从图中可以看出，整行替换并不是单一动作，而是一条完整链路。任何一个环节漏掉，都会影响最终结果。比如不检查目标工作表，就可能打开文件后直接报错；不保存工作簿，就会出现控制台提示替换成功，但文件内容实际没有变化。

推荐做法：正式运行前先做“只打印不保存”的预览模式，把命中的文件名和行号输出出来。确认命中范围没问题，再放开写入和保存。

5. 完整代码：批量替换多个工作簿的整行数据

下面这段代码使用 xlwings 批量打开文件夹中的 Excel 工作簿，读取指定工作表的数据区域，然后通过 enumerate() 逐行匹配 old_row，命中后替换为 new_row。

import os
import xlwings as xw

# ====== 需要根据实际情况修改的参数 ======
folder_path = r"e:\file\target"
sheet_name = "Sheet1"

# 要被替换的整行数据：必须与 Excel 中读取出来的行完全一致
old_row = ["北京", "销售", "张三", 1000]

# 替换后的整行数据
new_row = ["北京", "销售事业部", "张三", 1200]
# =====================================

app = xw.App(visible=False, add_book=False)

try:
    for file_name in os.listdir(folder_path):

        # 跳过 Excel 临时文件
        if file_name.startswith("~$"):
            continue

        # 只处理 Excel 文件
        if not file_name.lower().endswith((".xlsx", ".xls", ".xlsm")):
            continue

        full_path = os.path.join(folder_path, file_name)

        wb = app.books.open(full_path)

        try:
            sheet_names = [s.name for s in wb.sheets]

            if sheet_name not in sheet_names:
                print(f"跳过：{file_name}，不存在工作表 {sheet_name}")
                continue

            sht = wb.sheets[sheet_name]

            # 读取当前连续数据区域
            table_rng = sht.range("A1").current_region
            table = table_rng.value

            if not table or len(table) < 2:
                print(f"跳过：{file_name}，没有可处理的数据")
                continue

            header = table[0]
            rows = table[1:]

            hit_count = 0

            for idx, row in enumerate(rows, start=2):
                if row == old_row:
                    sht.range(f"A{idx}").value = new_row
                    hit_count += 1

            if hit_count > 0:
                wb.save()
                print(f"已替换：{file_name}，命中 {hit_count} 行")
            else:
                print(f"未命中：{file_name}")

        finally:
            wb.close()

finally:
    app.quit()

这段代码里我额外保留了 hit_count，用于统计当前文件命中了几行。这个细节很实用，因为批量修改数据时，不能只知道“成功或失败”，还要知道到底改了几处。

原理说明：sht.range(f"A{idx}").value = new_row 会从当前行的 A 列开始写入整行数据。只要 new_row 的字段数量和原表列数一致，就可以覆盖这一整行。

风险提醒：如果 new_row 的长度比原表列数短，后面的旧数据可能残留；如果比原表列数长，可能写到表格外侧。整行替换前必须确认字段数量一致。

6. 关键代码理解：为什么 start=2 很重要

很多人写到这里会误以为 enumerate() 只是为了拿序号。这个理解不够准确。在本案例里，enumerate() 的真正价值是让 Python 遍历位置和 Excel 行号建立对应关系。

假设 Excel 第 1 行是表头，真正的数据从第 2 行开始。我们把 table[1:] 取出来后，Python 里的第一条数据其实对应 Excel 第 2 行。如果不使用 start=2，写回时就可能把行写错位置。

rows = table[1:]

for idx, row in enumerate(rows, start=2):
    print(idx, row)

输出效果可以理解为：

2 ['上海', '技术部', '李四', 900]
3 ['广州', '市场部', '王五', 1100]
4 ['北京', '销售', '张三', 1000]
5 ['深圳', '财务部', '赵六', 800]

推荐做法：只要你要把 Python 中的行数据写回 Excel，就要先想清楚 Python 索引和 Excel 行号是否对齐。不要凭感觉写 A1、A2，那很容易错位。

7. 常见问题：批量替换前后必须校验

批量替换行数据最容易翻车的地方，通常不是语法，而是运行前没有校验，运行后没有复核。尤其是多个工作簿批量修改，一旦规则写错，影响范围会被快速放大。

这张图展示的是批量替换整行数据时必须注意的几个检查点。

从图中可以看出，至少要检查五件事：跳过 ~$ 临时文件，确认目标工作表存在，整行必须完全一致，替换后要保存，最后还要核对结果。这里每一步都不是装饰，而是防止批量脚本出事故的安全动作。

坑 1：Excel 临时文件没有跳过。打开 Excel 文件时，同目录可能出现 ~$ 开头的临时文件。它不是正常工作簿，必须跳过。

坑 2：目标工作表不存在。多个工作簿的工作表名称不一定完全一致，有的叫 Sheet1，有的可能叫 明细。如果不先判断，脚本容易中途报错。

坑 3：整行数据看似一样，实际不一致。比如金额在 Excel 中读取出来可能是 1000.0，而你写的 old_row 是 1000；又比如文本前后有空格。精确匹配时，这些差异都会影响命中。

如果你遇到明明表里有数据却匹配不到，可以先打印出每一行看真实读取结果：

for idx, row in enumerate(rows, start=2):
    print(idx, row)

推荐做法：正式替换前先运行一次预检查，只输出“命中的文件名、行号、旧行内容”，不要直接保存。确认命中范围正确后，再执行正式替换。

8. 效果验证：不要只看控制台提示成功

脚本运行完成后，不要只看控制台输出“已替换”。真正要验证的是：目标文件是否真的被保存，命中数量是否符合预期，替换后的行是否完整，文件是否还能正常打开。

我建议至少做三类验证。第一，检查命中数量。例如预计 6 个文件里都有这条旧记录，那么命中数量就不应该只有 1 个。第二，抽查 Excel 文件中的目标行，确认旧数据已经变成新数据。第三，确认文件可以正常打开，没有因为保存异常导致损坏。

total_hits = 0

# 每个文件命中后累加
total_hits += hit_count

print(f"本次总命中行数：{total_hits}")

原理说明：批量替换的验证逻辑不是“脚本能跑”，而是“修改范围符合预期”。如果命中太多，可能规则过宽；如果命中太少，可能旧行写错、数据格式不一致或目标工作表不对。

不要犯的错误：不要在原始文件夹里直接运行未验证脚本。批量写入 Excel 属于破坏性操作，建议先复制一份测试目录，再对测试目录执行。

9. 总结提升：把整行替换变成可复用脚本模板

这一节的核心，不是记住 enumerate() 这个函数，而是理解“批量遍历多个工作簿、读取数据区域、精确定位目标行、写入新行并保存”的完整流程。

我认为这篇笔记最值得沉淀的经验有三点。

第一，精确匹配适合确定性修正。如果旧数据明确、字段稳定、行内容可控，使用 row == old_row 很安全；如果数据格式混乱，就要先清洗再匹配。

第二，批量脚本必须有命中统计。只输出“已完成”没有意义，应该明确每个文件命中几行、总共命中几行，这样才能复盘。

第三，保存前后都要留证据。正式工作里，建议保留处理日志，至少记录文件名、行号、旧数据、新数据和处理时间。否则一旦用户反馈数据不对，很难追溯。

从办公自动化角度看，这类脚本非常适合作为“批量数据修正模板”。后续可以继续扩展成带界面的小工具，让用户选择目标文件夹、输入旧行和新行、选择工作表名称，再自动生成替换日志。这样才算真正从读书笔记走向可交付工具。

以上就是Python批量替换Excel多个工作簿的行数据的详细内容，更多关于Python批量替换Excel行数据的资料请关注脚本之家其它相关文章！