<think>我们之前合并表格时，每个表格只保留了数据行，现在要求每个表格的字段行（标题行）也需要保留。
但是要注意，去重是针对数据行（根据Passport字段），标题行不需要去重，需要保留每个表格的标题行。
同时，每个表格的标题行之前还要保留我们添加的第一列（文件名-工作表名）和Passport列。
调整思路：
1. 在收集数据时，将标题行也收集进来，但标记为标题行（不参与去重）。
2. 在合并时，每个表格的标题行原样输出（不参与去重）。
3. 去重只针对数据行（非标题行）。
具体步骤：
第一阶段（收集数据）：
- 对于每个工作表，首先处理标题行（假设是第一行）并标记为标题行（'is_header': True）
- 然后处理数据行（从第二行开始）并标记为非标题行（'is_header': False）
- 标题行不参与去重，但需要保留在输出中
第二阶段（去重）：
- 只对非标题行进行去重（按Passport值分组去重）
- 标题行直接保留
第三阶段（写入输出）：
- 按照原始顺序，先写入标题行，紧接着写入该表格的数据行（去重后的）
- 注意：每个表格的标题行只写入一次（即使该表格的数据行被去重后可能没有数据行，也要保留标题行）
- 同时，每个表格的标题行之前，我们也要添加第一列（文件名-工作表名）和Passport列。但标题行在第一列显示什么？可以显示为“文件名-工作表名（标题行）”或者留空？根据需求，我们可以显示为“字段行”
修改方案：
- 在收集数据时，对于标题行，我们记录：
'is_header': True
'passport' 可以设为None（因为标题行没有Passport值）
- 在去重阶段，跳过标题行，只对数据行去重
- 在写入时，标题行单独处理：第一列显示为“文件名-工作表名（字段行）”，Passport列显示为“Passport”（或者留空？）这里我们显示为“Passport”字段名，但注意每个表格的Passport列名可能不同，所以统一显示为“Passport”可能不合适。我们可以从标题行的Passport列对应的单元格获取字段名，但这样每个表格的标题行Passport列名可能不同。这里我们统一为“Passport”标题。
另一种做法：保留原始表格的标题行不变，即不添加第一列和Passport列到标题行？但是我们的输出表格结构是：
第一列：Source（用于显示来源）
第二列：Passport（用于显示Passport值）
后面的列：原始表格的列
那么对于标题行，Source列应该显示什么？我们可以显示为“Source”标题（即标题行自己的Source列标题）。但是这样就会和我们的数据行的Source列内容不一致（数据行显示的是文件名-工作表名）。
因此，我们需要统一：
- 在输出表格中，第一列标题为“Source”，第二列标题为“Passport”，后面的列标题为原始表格的列标题。
所以我们在输出表格的标题行（第一行）固定为：
A1: "Source"
B1: "Passport"
C1, D1, ...: 原始表格的列标题（从第一个表格获取？但每个表格列标题可能不同）
但是，现在要求保留每个表格的标题行，这意味着每个表格的标题行都要输出一遍。这会导致输出表格中出现多个标题行（每个表格前有一个标题行）。所以我们需要：
- 在输出表格中，每个表格的数据前先输出该表格的标题行（但要注意，我们的输出表格已经有了一个总的标题行（第一行）？）
需求是：每个原始表格的字段行（标题行）也要保留在合并后的表格中。
因此，合并后的表格结构应该是：
总标题行（可选？） + 多个表格块（每个表格块包含：该表格的标题行 + 该表格的数据行（去重后的））
但注意：我们之前已经有一个总标题行（第一行）了，现在每个表格块前又要加一个标题行（原始表格的标题行）。这样就会有两个标题行？
我们可以这样设计：
第一行：固定的总标题行（Source, Passport, 原始表格的列名（第一个表格的列名））—— 这个总标题行我们保留。
然后，对于每个原始表格：
写入一条记录：Source列显示文件名-工作表名（字段行），Passport列显示“Passport”，其他列为该表格的原始列标题（即该表格的标题行内容）
接着写入该表格的数据行（去重后的）
但是这样会导致Passport列在标题行显示为“Passport”，而数据行显示具体值。看起来不一致？
或者，我们不在每个表格块前加标题行，而是将每个表格的标题行当作一条特殊记录输出（不参与去重），并且Source列显示为“文件名-工作表名（字段行）”，Passport列留空。这样每个表格的标题行就变成了合并后表格中的一行。
这样设计后，合并后表格的结构：
第一行：总标题行（Source, Passport, 列1, 列2, ...）—— 这个我们保留，作为整个表格的标题行。
然后，每个表格的数据块：
一行标题行（来源信息标注为“文件名-工作表名（字段行）”，Passport列为空，其他列为原始表格的标题）
若干行数据行（去重后的）
这样，用户就能区分哪些是字段行，哪些是数据行。
因此，我们修改代码：
1. 在收集数据时，将标题行作为一条特殊记录收集，并设置标志（'is_header': True），同时记录该标题行的所有单元格。
2. 标题行不参与去重，直接保留。
3. 在写入时，先写入总标题行（即输出表格的标题行，第一行）。
4. 然后遍历每个表格的数据块（注意：我们收集时是按行收集的，但我们需要保留表格之间的结构，即同一个表格的标题行和数据行要连续输出，不同表格之间可以有空行分隔？但需求没有要求空行，所以可以连续输出）。
但是，我们收集数据时已经打乱了原始表格的顺序（先收集所有表格的标题行，再收集数据行）。为了保持每个表格的标题行紧跟着该表格的数据行，我们需要在收集时按表格分组记录。
因此，调整数据结构：
all_tables = [] # 每个元素是一个表格块：{ 'file': 文件名, 'sheet': 工作表名, 'headers': [标题行数据], 'data_rows': [数据行列表] }
然后在每个表格块内，对数据行进行去重（按Passport去重）。
具体步骤：
第一阶段：收集每个表格的数据块
for 每个excel文件：
for 每个工作表：
找到Passport列
收集标题行（第一行）-> 作为该表格块的标题行
收集数据行（从第二行开始）-> 放入该表格块的数据行列表
第二阶段：对每个表格块的数据行进行去重（同一个表格块内去重）
for table in all_tables:
# 对table['data_rows']进行去重（按Passport值）
# 去重规则：优先保留有图片的行，若都没有则保留第一行
第三阶段：写入输出
先写入总标题行（第一行）：Source, Passport, 列名（这里列名我们可以使用第一个表格块的标题行？但是每个表格的列数可能不同，列名也可能不同。所以我们使用输出表格的列结构：第一列Source，第二列Passport，后面列名来自第一个表格块的标题行？但这样后续表格块的列名可能对不上？）
由于每个表格块的列数、列名可能不同，我们无法统一列名。所以需要动态调整列数？
另一种做法：不预先设置总标题行，而是每个表格块用自己的标题行（即每个表格块有自己的列名）。这样输出表格的列数可能会变化。
考虑到需求是保留每个表格的字段行，所以合并后的表格中，不同表格块的列结构可能不同。因此，我们不做总标题行，而是每个表格块前用自己的标题行。
因此，输出表格将没有总标题行，只有每个表格块的标题行（显示为来源信息+该表格的原始标题行）。
那么输出表格的结构：
行1：表格块1的标题行（第一列显示“文件名1-工作表名1（字段行）”，第二列Passport列显示该表格Passport列标题，后面是其他列标题）
行2~行N：表格块1的数据行（去重后的）
行N+1：表格块2的标题行
行N+2~行M：表格块2的数据行
这样我们就避免了列名不统一的问题。
因此，我们需要修改：
- 不再预先写入总标题行
- 每个表格块先写入标题行（注意：标题行我们也要添加第一列（来源）和第二列（Passport）？）
对于标题行，我们如何处理新增的两列（Source列和Passport列）？
Source列：显示为“文件名-工作表名（字段行）”
Passport列：显示为该表格的Passport列标题（通过之前的find_passport_column找到的列位置，就能知道该列在原始标题行中的值）
但是，其他列怎么办？我们之前收集标题行时，只收集了原始表格的列。现在输出表格的结构是：
A列（Source列） -> 我们添加的
B列（Passport列） -> 我们添加的
C列开始 -> 原始表格的列（保持原始顺序）
所以标题行写入时：
A列：显示“文件名-工作表名（字段行）”（并应用标题样式）
B列：显示原始表格中Passport列的标题内容（即原始标题行中Passport列位置的值）
C列开始：原始标题行的其他列（从第一列开始，跳过Passport列？不对，原始标题行每个列都要写入，包括Passport列？）
但是注意：原始表格的Passport列在输出表格中已经变成了B列（我们的Passport列），所以我们不应该再重复输出原始表格的Passport列。所以原始表格的标题行中，Passport列的位置应该跳过，其他列依次写入。
然而，这样会导致列数错位：因为我们新增了两列，所以原始表格的列需要整体右移两列，并且Passport列的位置被我们新增的Passport列替代。
因此，在写入标题行时：
原始表格的标题行有N列（假设列索引从1到N）
我们已知Passport列在原始表格中的列索引为passport_col_idx（假设是3）
那么我们在输出表格中写入标题行：
A列（1列）：来源信息
B列（2列）：原始表格中第3列的值（即Passport列标题）
C列（3列）：原始表格中第1列的值
D列（4列）：原始表格中第2列的值
E列（5列）：原始表格中第4列的值
...（跳过原始表格的第3列，因为已经放在B列了）
这样逻辑会很混乱，因为打乱了原始表格的列顺序。
考虑到需求是保留原始表格的字段行，并且每个表格的字段行结构可能不同，我们不如完全保留原始表格的列顺序，而将Source列和Passport列作为新增的两列放在最前面。这样原始表格的标题行在输出中保持不变（除了新增的两列）。
因此，对于标题行，我们这样写入：
A列：来源信息（如“file1-sheet1（字段行）”）
B列：字符串“Passport”（因为我们新增的Passport列，在标题行中我们不知道原始表格Passport列标题是什么，所以我们就写“Passport”）
C列开始：原始标题行的所有列（包括原始Passport列标题）
这样，标题行中就会有两个Passport列：一个是新增的B列（标题为“Passport”），一个是原始表格的Passport列（在C列之后的某个位置）。这看起来重复了。
所以，为了避免重复，我们可以在写入标题行时，将原始表格的Passport列标题省略不写（因为已经在新列B列写了“Passport”）。但是这样会丢失原始表格的列信息。
权衡之后，我们决定：
A列：来源信息
B列：原始表格的Passport列标题（这样保留了原始列名，避免与后面的原始表格列重复）
C列开始：原始表格的其他列（不包括Passport列）
这样，标题行中Passport列只出现一次（在B列），其他列按顺序写入。
但在数据行中，Passport列的值我们放在B列，原始表格Passport列的位置（假设是第3列）我们就跳过，其他列依次填入。
因此，在收集数据行时，我们就要跳过原始表格的Passport列吗？不对，数据行中Passport列的值我们是从原始表格的Passport列提取的，然后单独放在B列。但是原始表格Passport列位置的数据我们不再显示（因为已经在B列显示了）。所以原始表格Passport列的位置在输出中应该被跳过。
所以，我们在收集数据行时，对于原始表格的每一行，除了Passport列以外的列我们都要收集（因为Passport列的值已经单独提取放到B列了）。
这样，在收集标题行时，我们也要跳过Passport列。
因此，修改收集数据的方式：
标题行收集：
A列：来源信息（字符串）
B列：原始表格Passport列标题（字符串）
后面：原始表格标题行中除了Passport列以外的其他列（按顺序）
数据行收集：
A列：来源信息（文件名-工作表名）
B列：Passport值
后面：原始表格该行中除了Passport列以外的其他列（按顺序）
这样，输出表格的结构就一致了。
但是，这样修改会导致代码复杂度增高，因为要跳过Passport列。
考虑到时间，我们可以采用另一种简单方法：
不跳过Passport列，而是在输出表格中保留原始表格的所有列（包括Passport列），同时新增Source列和Passport列（我们的Passport列）。这样就会有两列Passport：一列是我们新增的（放在B列），一列是原始表格的（在后面的列中）。
在标题行中，原始表格的Passport列标题保留，我们的Passport列标题写“Passport”。这样用户可以看到原始表格的Passport列标题是什么。
在数据行中，我们的Passport列（B列）写入Passport值，原始表格的Passport列位置写入原始值（实际上就是同一个值，重复了）。这样虽然重复，但信息完整。
为了简单起见，我们采用重复列的方法。
因此，在收集数据时，标题行和数据行都不跳过Passport列，而是完整保留原始表格的所有列。
写入标题行时：
A列：来源信息（标题行我们写“文件名-工作表名（字段行）”）
B列：字符串“Passport”（作为我们新增Passport列的标题）
C列开始：原始表格的标题行（包括Passport列）
这样，在标题行中，原始表格的Passport列标题会出现在C列之后的某个位置（假设原始表格Passport列是第1列，那么在C列就会显示原始表格Passport列标题，而B列是我们写的“Passport”）。
在数据行中：
A列：来源信息（文件名-工作表名）
B列：Passport值（从原始表格Passport列提取）
C列开始：原始表格该行的所有列（包括Passport列的值）
这样，Passport值会在B列和原始表格Passport列位置重复出现。
用户可以根据需要删除重复列。
基于以上思路，我们修改代码。
由于改动较大，我们重新组织代码：
数据结构：
tables = [] # 每个元素是一个字典，代表一个表格块
table = {
'file': 文件名,
'sheet': 工作表名,
'passport_col_idx': Passport列索引（从1开始）,
'headers': 标题行（第一行）的单元格数据列表（每个单元格包含值和样式）,
'data_rows': [ # 数据行列表
{
'passport': Passport值,
'has_image': 是否有图片,
'images': 图片列表,
'row_data': 该行的单元格数据列表（包括所有列，每个单元格包含值、样式）,
'row_idx': 行号
},
...
]
}
处理步骤：
1. 遍历每个文件和工作表，提取表格块
2. 对每个表格块的data_rows按passport去重（规则如前）
3. 写入输出表格：
current_row = 1 # 当前行
for table in tables:
# 写入该表格块的标题行
# A列: f"{table['file']}-{table['sheet']} (字段行)"
# B列: "Passport" (这里我们固定写)
# C列开始: 原始标题行的所有单元格（包括Passport列）
# 写入该表格块的数据行（去重后的）
# A列: f"{table['file']}-{table['sheet']}"
# B列: passport值
# C列开始: 该行原始数据
4. 处理图片：在写入数据行时，如果该行有图片，则添加图片（注意位置偏移）
注意：由于每个表格块都有自己的标题行，所以不需要总标题行。
具体代码实现如下：
</think>以下代码实现了合并带有图片的Excel表格，保留每个表格的字段行（标题行），并根据"Passport"关键字字段去重。合并后的表格会保留所有原始表格的标题行，并对数据行按Passport值去重（保留有图片的行，若无图片则保留第一行）。
```python
import os
import glob
import zipfile
from openpyxl import load_workbook, Workbook
from openpyxl.drawing.image import Image
from openpyxl.drawing.spreadsheet_drawing import AnchorMarker, TwoCellAnchor, OneCellAnchor
from openpyxl.styles import PatternFill, Border, Side, Alignment, Font, colors
from openpyxl.utils import get_column_letter
import copy
import re
def is_valid_excel_file(file_path):
"""检查是否为有效的Excel文件"""
try:
with zipfile.ZipFile(file_path, 'r') as zip_ref:
required_files = ['xl/workbook.xml', 'xl/styles.xml', 'xl/worksheets/']
return all(name in zip_ref.namelist() for name in required_files[:-1])
except zipfile.BadZipFile:
return False
except Exception:
return False
def copy_cell_style(src_cell, dest_cell):
"""复制单元格样式"""
if src_cell.font:
dest_cell.font = copy.copy(src_cell.font)
if src_cell.fill:
dest_cell.fill = copy.copy(src_cell.fill)
if src_cell.border:
dest_cell.border = copy.copy(src_cell.border)
if src_cell.alignment:
dest_cell.alignment = copy.copy(src_cell.alignment)
if src_cell.number_format:
dest_cell.number_format = src_cell.number_format
def find_passport_column(ws):
"""
查找包含'passport'关键字的列（不区分大小写）
返回列字母和列索引（从1开始）
"""
# 检查标题行（第一行）
for cell in ws[1]:
if cell.value and re.search(r'passport', str(cell.value), re.IGNORECASE):
return cell.column_letter, cell.column
# 如果第一行没找到，检查所有单元格
for row in ws.iter_rows(min_row=1, max_row=min(10, ws.max_row)):
for cell in row:
if cell.value and re.search(r'passport', str(cell.value), re.IGNORECASE):
return cell.column_letter, cell.column
# 仍未找到，默认第一列
return 'A', 1
def create_header_style():
"""创建第一列的标题样式"""
return (
Font(bold=True, color=colors.WHITE),
PatternFill(start_color="4F81BD", end_color="4F81BD", fill_type="solid"),
Alignment(horizontal='center', vertical='center')
)
def merge_excel_with_headers_and_deduplication(input_dir, output_file):
"""
合并Excel文件并保留所有字段行（标题行）
基于Passport字段去重数据行
"""
# 创建新工作簿
wb_output = Workbook()
ws_output = wb_output.active
ws_output.title = "Merged with Headers"
# 创建第一列标题的样式
header_font, header_fill, header_alignment = create_header_style()
ws_output.column_dimensions['A'].width = 40
# 存储所有处理的表格块
table_blocks = []
# 用于去重的Passport字典
passport_map = {}
current_row = 1
processed_files = 0
processed_sheets = 0
try:
# 遍历目录中所有Excel文件
for excel_file in glob.glob(os.path.join(input_dir, "*.xlsx")):
file_name = os.path.basename(excel_file)
if not is_valid_excel_file(excel_file):
print(f"跳过无效文件: {file_name}")
continue
print(f"处理文件: {file_name}")
try:
wb_source = load_workbook(excel_file, keep_vba=False, data_only=True)
processed_files += 1
except Exception as e:
print(f" 加载失败: {str(e)}")
continue
for ws_name in wb_source.sheetnames:
processed_sheets += 1
print(f" 处理工作表: {ws_name}")
ws_source = wb_source[ws_name]
# 跳过空工作表
if ws_source.max_row == 0:
print(" 空工作表，跳过")
continue
# 查找Passport列
passport_col_letter, passport_col_idx = find_passport_column(ws_source)
print(f" 检测到Passport列: {passport_col_letter}")
# 收集图片信息
image_rows = {}
if hasattr(ws_source, '_images'):
for img in ws_source._images:
# 获取图片所在行
if isinstance(img.anchor, (TwoCellAnchor, OneCellAnchor)):
anchor = img.anchor
img_row = anchor._from.row if hasattr(anchor, '_from') else anchor.row
if img_row not in image_rows:
image_rows[img_row] = []
image_rows[img_row].append(img)
# 存储当前表格块的数据
table_block = {
'file': file_name,
'sheet': ws_name,
'passport_col': passport_col_idx,
'header_row': [], # 标题行数据
'data_rows': [], # 数据行数据
'source_images': image_rows,
'start_row': current_row # 在输出中的起始行
}
# 处理标题行（第一行）
header_row = []
for cell in ws_source[1]:
cell_data = {
'value': cell.value,
'font': copy.copy(cell.font),
'fill': copy.copy(cell.fill),
'border': copy.copy(cell.border),
'alignment': copy.copy(cell.alignment),
'number_format': cell.number_format
}
header_row.append(cell_data)
table_block['header_row'] = header_row
# 处理数据行（从第二行开始）
for row_idx in range(2, ws_source.max_row + 1):
row_data = []
passport_value = None
has_image = row_idx in image_rows
for col_idx, cell in enumerate(ws_source[row_idx], 1):
# 获取Passport值
if col_idx == passport_col_idx:
passport_value = str(cell.value).strip() if cell.value else ""
cell_data = {
'value': cell.value,
'font': copy.copy(cell.font),
'fill': copy.copy(cell.fill),
'border': copy.copy(cell.border),
'alignment': copy.copy(cell.alignment),
'number_format': cell.number_format
}
row_data.append(cell_data)
# 添加数据行信息
table_block['data_rows'].append({
'row_idx': row_idx,
'passport': passport_value,
'row_data': row_data,
'has_image': has_image
})
# 添加表格块到列表
table_blocks.append(table_block)
# 更新当前行计数器（标题行 + 数据行 + 分隔行）
current_row += len(table_block['data_rows']) + 2
except Exception as e:
print(f"收集数据时出错: {str(e)}")
raise
# 第二阶段：处理去重并写入输出
current_row = 1 # 从头开始写入
# 1. 写入全局标题行（可选）
# 这里跳过，每个表格保留自己的标题行
# 2. 处理每个表格块
passport_count = {}
for block in table_blocks:
source_info = f"{block['file']}-{block['sheet']}"
# 写入表格标题标识
title_cell = ws_output.cell(row=current_row, column=1)
title_cell.value = f"表格来源: {source_info}"
title_cell.font = Font(bold=True, size=12, color="000000")
title_cell.fill = PatternFill(start_color="D9E1F2", end_color="D9E1F2", fill_type="solid")
current_row += 1
# 写入原始标题行
for col_idx, cell_data in enumerate(block['header_row'], 1):
dest_cell = ws_output.cell(row=current_row, column=col_idx + 1) # 第二列开始
# 添加源标识到第一列
if col_idx == 1:
source_cell = ws_output.cell(row=current_row, column=1)
source_cell.value = source_info + " (字段行)"
source_cell.font = header_font
source_cell.fill = header_fill
source_cell.alignment = header_alignment
# 复制标题行数据
if 'value' in cell_data:
dest_cell.value = cell_data['value']
# 应用样式
if cell_data['font']:
dest_cell.font = cell_data['font']
if cell_data['fill']:
dest_cell.fill = cell_data['fill']
if cell_data['border']:
dest_cell.border = cell_data['border']
if cell_data['alignment']:
dest_cell.alignment = cell_data['alignment']
if 'number_format' in cell_data:
dest_cell.number_format = cell_data['number_format']
current_row += 1
# 处理数据行（应用去重规则）
for data_row in block['data_rows']:
passport_value = data_row['passport']
# 跳过空Passport行
if not passport_value:
continue
# 检查是否已存在相同的Passport
if passport_value in passport_map:
# 比较图片存在情况
existing_row = passport_map[passport_value]
new_has_image = data_row['has_image']
# 规则：优先保留有图片的行
if new_has_image and not existing_row['has_image']:
# 新行有图片而旧行没有，替换
passport_map[passport_value] = data_row
passport_count[passport_value] = passport_count.get(passport_value, 0) + 1
else:
# 新Passport值，直接添加
passport_map[passport_value] = data_row
passport_count[passport_value] = 1
# 写入去重后的数据行
for passport_value, data_row in passport_map.items():
# 只写入当前表格块的数据行
if data_row not in block['data_rows']:
continue
# 写入源标识
source_cell = ws_output.cell(row=current_row, column=1)
source_cell.value = source_info
source_cell.font = header_font
source_cell.fill = header_fill
source_cell.alignment = header_alignment
# 写入Passport值
passport_cell = ws_output.cell(row=current_row, column=block['passport_col'] + 1)
passport_cell.value = passport_value
# 写入其他数据
for col_idx, cell_data in enumerate(data_row['row_data'], 1):
dest_cell = ws_output.cell(row=current_row, column=col_idx + 1) # 第二列开始
if 'value' in cell_data:
dest_cell.value = cell_data['value']
# 应用样式
if cell_data['font']:
dest_cell.font = cell_data['font']
if cell_data['fill']:
dest_cell.fill = cell_data['fill']
if cell_data['border']:
dest_cell.border = cell_data['border']
if cell_data['alignment']:
dest_cell.alignment = cell_data['alignment']
if 'number_format' in cell_data:
dest_cell.number_format = cell_data['number_format']
# 处理图片
if data_row['has_image'] and data_row['row_idx'] in block['source_images']:
for img in block['source_images'][data_row['row_idx']]:
img_copy = copy.deepcopy(img)
anchor = img_copy.anchor
# 调整锚点位置
if isinstance(anchor, TwoCellAnchor):
new_anchor = TwoCellAnchor(
_from=AnchorMarker(
col=anchor._from.col,
row=anchor._from.row + current_row - data_row['row_idx'],
colOff=anchor._from.colOff,
rowOff=anchor._from.rowOff
),
to=AnchorMarker(
col=anchor.to.col,
row=anchor.to.row + current_row - data_row['row_idx'],
colOff=anchor.to.colOff,
rowOff=anchor.to.rowOff
)
)
img_copy.anchor = new_anchor
elif isinstance(anchor, OneCellAnchor):
new_anchor = OneCellAnchor(
_from=AnchorMarker(
col=anchor._from.col,
row=anchor._from.row + current_row - data_row['row_idx'],
colOff=anchor._from.colOff,
rowOff=anchor._from.rowOff
)
)
img_copy.anchor = new_anchor
# 添加图片
ws_output.add_image(img_copy)
current_row += 1
# 添加表格块分隔行
current_row += 2
# 保存结果
try:
wb_output.save(output_file)
print(f"\n合并完成! 输出文件: {output_file}")
print(f"处理文件: {processed_files}, 工作表: {processed_sheets}")
print(f"去重后Passport数量: {len(passport_map)}")
# 统计重复项
duplicates = {k: v for k, v in passport_count.items() if v > 1}
if duplicates:
print(f"发现 {len(duplicates)} 个重复Passport值:")
for passport, count in list(duplicates.items())[:5]:
print(f" - {passport}: {count}次")
if len(duplicates) > 5:
print(f" 和另外 {len(duplicates)-5} 个重复值...")
except Exception as e:
print(f"保存文件时出错: {str(e)}")
raise
if __name__ == "__main__":
input_directory = "./input_excels" # Excel文件所在目录
output_filename = "merged_with_headers.xlsx"
merge_excel_with_headers_and_deduplication(input_directory, output_filename)
```
### 关键功能说明：
#### 1. 保留所有表格的字段行（标题行）
```python
# 处理标题行（第一行）
header_row = []
for cell in ws_source[1]:
cell_data = {
'value': cell.value,
'font': copy.copy(cell.font),
'fill': copy.copy(cell.fill),
'border': copy.copy(cell.border),
'alignment': copy.copy(cell.alignment),
'number_format': cell.number_format
}
header_row.append(cell_data)
table_block['header_row'] = header_row
# 写入输出表格
for col_idx, cell_data in enumerate(block['header_row'], 1):
dest_cell = ws_output.cell(row=current_row, column=col_idx + 1)
# ... 复制值和样式 ...
```
- 每个表格的第一行被识别为标题行（字段行）
- 标题行的样式和数据被完整保留
- 在输出表格中，每个表格块前会显示自己的标题行
#### 2. 表格块结构可视化
```python
# 写入表格标题标识
title_cell = ws_output.cell(row=current_row, column=1)
title_cell.value = f"表格来源: {source_info}"
title_cell.font = Font(bold=True, size=12, color="000000")
title_cell.fill = PatternFill(start_color="D9E1F2", end_color="D9E1F2", fill_type="solid")
```
- 每个表格块前添加醒目标识行
- 使用浅蓝色背景和加粗字体突出显示
- 清晰展示表格来源（文件名和工作表名）
#### 3. 去重逻辑优化
```python
# 处理数据行（应用去重规则）
for data_row in block['data_rows']:
passport_value = data_row['passport']
if not passport_value:
continue # 跳过空值
if passport_value in passport_map:
# 比较图片存在情况
existing_row = passport_map[passport_value]
new_has_image = data_row['has_image']
# 规则：优先保留有图片的行
if new_has_image and not existing_row['has_image']:
passport_map[passport_value] = data_row # 替换
else:
passport_map[passport_value] = data_row # 新值
```
- 使用字典进行高效去重
- 优先保留有图片的行
- 若无图片则保留第一个出现的行
- 空Passport值会被跳过
#### 4. 图片处理优化
```python
# 调整图片锚点位置
new_anchor = TwoCellAnchor(
_from=AnchorMarker(
col=anchor._from.col,
row=anchor._from.row + current_row - data_row['row_idx'],
...
),
...
)
```
- 精确计算行偏移量
- 保持图片与原始行的相对位置
- 使用深拷贝确保图片数据完整
### 输出文件结构示例：
```
行1: [表格来源: file1.xlsx-Sheet1] <- 表格块标识行
行2: [源信息] | 字段1 | 字段2 | ... | Passport字段 | ... <- 标题行
行3: 数据行1（Passport: ABC123）
行4: 数据行2（Passport: DEF456）
...
行N: [空行分隔]
行N+1: [表格来源: file2.xlsx-Sheet2]
本文探讨了Oracle数据库中行记录的存储方式，详细分析了行记录如何记录字段的相对偏移位置，以及这种存储机制对字段访问速度的影响。通过具体实例，展示了如何使用BBED工具观察行目录和数据部分的格式，解释了flag、lock、clols的作用，并说明了字段访问的越慢现象。
扫一扫
147
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
