完整教程：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、单元格样式等冗余内容。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，特别适用于应该规范数据格式的企业级应用场景。

---

架构流程图

---

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
• 已完成工程统计

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