Python自动化办公常用库有哪些？Excel与PDF处理工具推荐

季宁

发布时间：2026-10-23| 3人浏览过

原创

主题领域：办公自动化 / 数据处理技术栈：Python 3.8+ 阅读时长：约 12 分钟

办公自动化中最频繁的场景集中在表格数据流转与版面文档处理上。针对 Excel，成熟方案由 openpyxl（精细读写与样式维护）、pandas（大数据清洗与统计分析）、xlwings（桌面端与 VBA 宏协同）以及 XlsxWriter（纯代码高速写入与报表图表生成）共同构成；针对 PDF，则主要由 pypdf（页面拆分合并与元数据控制）、pdfplumber（精准文本与复杂表格抽取）以及 ReportLab（编程式动态排版生成）分工承接。理解这些工具的技术边界，是构建稳定自动化流水线的前提。

一、Excel 自动化核心库功能对比与场景匹配

处理 Excel 并非一个库就能覆盖全部诉求。Excel 既包含原始二维数据行，又承载了样式定义、数学公式、透视表及宏脚本。在具体选型时，需要根据“读还是写”、“数据量大小”以及“是否需要保留样式与公式”三个维度进行取舍。

Python自动化办公常用库有哪些？Excel与PDF处理工具推荐 — 图 1：Excel 自动化核心库对比矩阵——基于读写能力与业务场景维度的技术选型参考

1. openpyxl：精细样式与公式模板操作

当需要向已有的带有公司标准页眉、底色和单元格边框的模板中写入数据时，openpyxl 是通用且稳妥的方案。它能够逐行读写单元格，并支持注入 Excel 原生公式。

import openpyxl
from openpyxl.styles import Font, PatternFill, Alignment, Border, Side

# 加载已有模板文件
wb = openpyxl.load_workbook("月度考核模板.xlsx")
ws = wb["数据填报"]

# 写入标题与业务数据
ws["B4"] = "技术部"
ws["C4"] = 92.5
ws["D4"] = 88.0

# 注入 Excel 动态公式，利用 Excel 自身引擎计算加权均值
ws["E4"] = "=C4*0.6 + D4*0.4"

# 设置单元格高亮警示样式
highlight_fill = PatternFill(start_color="F4EFE6", end_color="F4EFE6", fill_type="solid")
accent_font = Font(name="Microsoft YaHei", size=11, bold=True, color="AD8B58")
ws["E4"].fill = highlight_fill
ws["E4"].font = accent_font
ws["E4"].alignment = Alignment(horizontal="center", vertical="center")

# 保存为新文件，保留原有全部格式与图表
wb.save("月度考核_技术部_已计算.xlsx")
wb.close()

2. pandas：多表批量聚合与数据清洗

如果手头有数十个格式相同或相近的业务明细表，目标仅是提取数据进行汇总去重、分类聚合并输出一张汇总清单，编写循环逐个操作单元格效率极低。使用 pandas 可以通过几行代码完成多文件纵向拼接与透视计算：

from pathlib import Path
import pandas as pd

# 获取指定目录下所有部门提交的 Excel 表格
folder = Path("./各部提报表")
all_files = list(folder.glob("*.xlsx"))

data_list = []
for file in all_files:
    # 只读取指定列，提升读取速度并减少内存占用
    df = pd.read_excel(file, sheet_name=0, usecols=["员工姓名", "部门", "差旅费", "办公费"])
    df["来源文件"] = file.name
    data_list.append(df)

# 纵向拼接所有数据
total_df = pd.concat(data_list, ignore_index=True)

# 业务清洗：填充空值，过滤异常负数记录
total_df["差旅费"] = total_df["差旅费"].fillna(0)
total_df = total_df[total_df["差旅费"] >= 0]

# 按部门统计费用总和
summary_df = total_df.groupby("部门")[["差旅费", "办公费"]].sum().reset_index()

# 导出汇总报表，使用 openpyxl 引擎写入
with pd.ExcelWriter("全公司费用汇总表.xlsx", engine="openpyxl") as writer:
    summary_df.to_excel(writer, sheet_name="部门费用汇总", index=False)
    total_df.to_excel(writer, sheet_name="明细全量备份", index=False)

二、Excel 自动化处理的标准实施流程

在工程实践中，自动化任务通常需要无人值守运行。为了避免中途出现“部分表格成功、部分表格损坏”的异常状态，建议遵循标准化的四步处理流水线：

避坑要点：openpyxl 的 data_only 参数机制

当使用 openpyxl.load_workbook(filename, data_only=True) 打开工作簿时，如果该文件是由 Python 直接写入而从未在真实 Excel 软件中打开并保存过，由于没有任何程序执行过公式计算，对应的计算结果值可能为 None。如果需要读取公式运算结果，必须确保该文件被 Excel 软件计算保存过，或者在 Python 侧直接使用 formulas 或 pandas 自行计算求值。

三、PDF 自动化处理核心工具推荐

PDF 是一种为了高保真打印和跨屏幕显示一致性而设计的“版面呈现格式”。在 PDF 内部，文字并非像 Word 或 HTML 那样按自然段落顺序流动存储，而是由大量的离散文字块及其绝对坐标 (x, y) 组成。因此，处理 PDF 时需要将任务清晰划分为三个方向：文档级组织、内容精准抽取与编程式排版生成。

1. pypdf：文档拼接、拆分与水印注入

pypdf（前身为 PyPDF2）适合处理页面级组装任务。例如将多个散落的 PDF 合并为一个带完整目录标签的总览文件：

from pypdf import PdfReader, PdfWriter

def merge_pdfs_with_bookmarks(pdf_file_list, output_path):
    writer = PdfWriter()
    current_page_index = 0

    for file_path in pdf_file_list:
        reader = PdfReader(file_path)
        page_count = len(reader.pages)
        
        # 将当前文档的每一页添加到写入流
        for page in reader.pages:
            writer.add_page(page)
            
        # 以原始文件名作为书签大纲锚点，跳转到该文件首页
        title = file_path.stem
        writer.add_outline_item(title=title, page_number=current_page_index)
        current_page_index += page_count

    # 导出整合后的终稿 PDF
    with open(output_path, "wb") as f_out:
        writer.write(f_out)

# 示例调用
from pathlib import Path
files = sorted(Path("./待合并附件").glob("*.pdf"))
merge_pdfs_with_bookmarks(files, "最终汇编手册.pdf")

2. pdfplumber：高精度表格结构化提取

从月度结算对账单或发票等结构化 PDF 中提取数据时，pdfplumber 具备强大的网格线解析能力，能够将页面图形线段还原为真实的二维行与列，非常适合直接衔接 pandas：

import pdfplumber
import pandas as pd

def extract_pdf_tables_to_excel(pdf_path, excel_output_path):
    all_rows = []
    headers = None

    with pdfplumber.open(pdf_path) as pdf:
        for page_idx, page in enumerate(pdf.pages):
            # 提取页面上的所有可见表格
            tables = page.extract_tables()
            for table in tables:
                if not table:
                    continue
                # 第一页第一行通常为表头
                if headers is None:
                    headers = [str(col).strip().replace("\n", "") for col in table[0]]
                    rows = table[1:]
                else:
                    rows = table

                for r in rows:
                    clean_row = [str(c).strip().replace("\n", "") if c else "" for c in r]
                    all_rows.append(clean_row)

    # 构造 DataFrame 并清洗异常空行
    df = pd.DataFrame(all_rows, columns=headers)
    df = df.dropna(how="all")
    
    # 导出为 Excel 结构化文件
    df.to_excel(excel_output_path, index=False)
    print(f"解析成功！共提取 {len(df)} 行数据并写入 {excel_output_path}")

# 执行提取
extract_pdf_tables_to_excel("2026年第一季度采购结算明细.pdf", "采购明细抽取结果.xlsx")

3. ReportLab：从零编程式生成正式标准报表

当需要从数据库或计算结果中批量输出格式严谨的正式文件（如员工薪资单、合同确认单）时，ReportLab 是标准选择。通过 SimpleDocTemplate 配合流式排版，可以自动处理跨页换行：

from reportlab.lib.pagesizes import A4
from reportlab.lib import colors
from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, Table, TableStyle
from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont

# 注册系统支持的中文字体，确保生成的 PDF 正常显示中文
# 注意：实际使用时请替换为您系统中可用的中文字体绝对路径
try:
    pdfmetrics.registerFont(TTFont("CustomChinese", "/System/Library/Fonts/PingFang.ttc"))
except Exception:
    pass  # 若系统无此字体，需指定真实字体文件路径

doc = SimpleDocTemplate("业务交付结算确认单.pdf", pagesize=A4, leftMargin=36, rightMargin=36)
story = []
styles = getSampleStyleSheet()

# 声明中文样式
title_style = ParagraphStyle(
    "TitleStyle",
    fontName="CustomChinese",
    fontSize=18,
    leading=24,
    textColor=colors.HexColor("#394957"),
    alignment=1
)
story.append(Paragraph("业务交付与款项结算确认单", title_style))
story.append(Spacer(1, 15))

# 构造数据表格
table_data = [
    ["项目编号", "交付阶段", "经办人", "核验状态", "结算金额 (元)"],
    ["PRJ-2026-081", "第一阶段需求评审", "张伟", "已验收", "48,000.00"],
    ["PRJ-2026-082", "第二阶段原型交付", "李敏", "已验收", "62,500.00"],
    ["合计", "-", "-", "-", "110,500.00"]
]

t = Table(table_data, colWidths=[90, 140, 80, 80, 110])
t.setStyle(TableStyle([
    ('BACKGROUND', (0, 0), (-1, 0), colors.HexColor("#394957")),
    ('TEXTCOLOR', (0, 0), (-1, 0), colors.whitesmoke),
    ('ALIGN', (0, 0), (-1, -1), 'CENTER'),
    ('FONTNAME', (0, 0), (-1, -1), 'CustomChinese'),
    ('FONTSIZE', (0, 0), (-1, -1), 10),
    ('BOTTOMPADDING', (0, 0), (-1, -1), 6),
    ('TOPPADDING', (0, 0), (-1, -1), 6),
    ('GRID', (0, 0), (-1, -1), 0.5, colors.HexColor("#E2DCD2")),
    ('BACKGROUND', (0, -1), (-1, -1), colors.HexColor("#FAF7F1")),
]))
story.append(t)
doc.build(story)

四、Python 办公自动化综合选型决策总结

在面对具体的业务需求时，应优先采用“组合拳”模式：利用解析库负责输入，利用科学计算库负责逻辑清洗，利用模板或生成库负责呈现输出。

业务目标	首选推荐工具	备选/辅助工具	选型核心依据与注意事项
常规 Excel 报表与模板修改	`openpyxl`	`xlwings`	需保留原表格底色、边框样式或公式定义；纯 Python 环境跨平台首选。
海量 Excel 多表清洗与汇总	`pandas`	`openpyxl` (引擎)	重视数据处理性能与清洗计算，不依赖源表格的复杂单元格装饰样式。
桌面交互与含 VBA 宏的表格	`xlwings`	`win32com`	必须依赖本地已安装的 Excel 程序；适合调用已固化的复杂宏业务模型。
高速批量新建带图表 Excel	`XlsxWriter`	`openpyxl`	只写不读，生成图表、条件格式极其便利，内存开销极低。
PDF 页面级拼接/拆分/加水印	`pypdf`	`PyMuPDF`	专注于文档页面流与元数据，无外部 C 扩展编译要求，部署简单稳定。
提取 PDF 内的表格与文本行	`pdfplumber`	`PyMuPDF (fitz)`	需要高精度识别表格边框与字符绝对坐标；若追求极致渲染性能可选 PyMuPDF。
编程式动态排版生成正式 PDF	`ReportLab`	`WeasyPrint`	从零设计合同、凭单与月结单的工业级标准方案；WeasyPrint 适合精通 HTML/CSS 排版的人群。

实际落地自动化脚本时，建议配合 Python 标准库 pathlib.Path 统一处理文件路径，避免硬编码 Windows 的反斜杠 \ 或 Unix 的正斜杠 /；同时为耗时较长的批量任务增加 logging 日志记录与异常重试机制，确保当某一个损坏表格导致中断时，能够跳过并记录告警，保障整体自动化任务稳健执行。