Python只读Excel文件用什么库最轻量

假设你正在一台仅有 512MB 内存的云服务器或边缘设备上运行后台自动化任务，每天需要从外部接收成百上千份几十兆的 .xlsx 报表，并只提取其中的特定几列数据写入数据库。如果你直接使用常规的 pandas.read_excel()，系统往往会在几秒内因内存耗尽被 OOM（Out Of Memory）强行杀掉进程。此时你的核心诉求非常明确：安装依赖尽可能轻、解析时运行内存占用尽可能低、只读速度尽可能快。

针对“只读 Excel”这一特定需求，Python 生态中有两个处于不同维度的轻量级标杆库：如果是追求零额外编译依赖、纯 Python 环境友好，首选 openpyxl 的只读模式（read_only=True）；如果是追求极限吞吐速度与极低常驻内存，首选现代 Rust 驱动的 python-calamine。如果是历史遗留的旧版 .xls 格式，则选用极小体积的 xlrd。本文将从底层原理、具体代码及选型边界进行完整拆解。

一、重新定义“轻量”：依赖体积 vs 运行期内存

在讨论哪个库最轻量之前，需要把“轻量”这一概念拆解为两组常常产生冲突的工程指标：

• 安装与依赖轻量：轮子（wheel）包体积小、不依赖大型 C/C++ 运行时环境、对打包工具（如 PyInstaller、Docker 精简镜像）友好。openpyxl 纯 Python 实现，依赖极少，安装包仅约 2.5MB。
• 运行时内存与计算轻量：处理百万行级大表格时，不一次性把整张表转换为 Python 内存对象，而是按需流式消费或在底层紧凑存储。在这点上，python-calamine 凭借底层内存映射与 Rust 的零成本抽象，内存表现极其出色。

很多开发者在初学时习惯直接导入 pandas，但在纯只读场景下，pandas 绝不是轻量选择。它引入了完整的 numpy 及庞大的依赖链，安装体积动辄近百兆；更关键的是，pandas 在读取表格时会构建庞大的 DataFrame 树结构，内存占用通常是原始文件体积的 5 到 10 倍。

二、方案一：openpyxl 只读模式（最通用的纯 Python 轻量解法）

openpyxl 是处理 .xlsx 文件的标准库之一。很多开发者以为 openpyxl 很笨重，实际上这是因为他们没有开启它的流式模式。只要在加载工作簿时显式声明 read_only=True，它的内部机制就会发生根本性转变：底层不再构建整个工作表的 DOM 树，而是通过标准库的 xml.etree.ElementTree.iterparse 变为一个只向前的生成器。

1. 标准只读读取示例

from openpyxl import load_workbook

def process_excel_lightweight(file_path):
    # 启用只读模式与仅数值模式，避免加载格式、样式及公式元数据
    wb = load_workbook(filename=file_path, read_only=True, data_only=True)
    
    try:
        # 获取首个激活的 sheet
        sheet = wb.active
        
        # iter_rows 配合 values_only=True 直接返回元组，跳过 Cell 对象封装
        for row_idx, row_values in enumerate(sheet.iter_rows(values_only=True), start=1):
            if row_idx == 1:
                headers = row_values
                continue
            
            # 此处处理业务逻辑，例如写入数据库或过滤特定值
            # 此时内存中仅保存当前单行的 row_values 元组
            if row_values[0] is not None:
                # 示例处理：打印前几行
                if row_idx <= 5:
                    print(f"行 {row_idx}: {row_values[:3]}")
    finally:
        # 只读模式下必须显式关闭以释放底层 XML 句柄
        wb.close()

if __name__ == "__main__":
    process_excel_lightweight("example_data.xlsx")

2. 只读模式下的重要限制与避坑项

• 必须调用 wb.close()：普通加载模式下，整个文件在读取后会完全载入内存并关闭文件句柄；但 read_only=True 模式下，底层依靠活动的 ZipFile 流读取，如果不显式 close()，在批量处理成千上万个文件时会导致系统“Too many open files”错误。
• 不可反向索引：因为是基于流的单向生成器，你无法使用 sheet['A10'] 这类随机坐标访问，也不能对迭代器执行切片操作；必须按行从前往后依次读取。
• 最大行列数属性不可信：在只读模式下，sheet.max_row 和 sheet.max_column 往往返回 None，或者仅仅是 Excel 内部记录的估算元数据，不能作为精确遍历的边界，应直接遍历行生成器。

三、方案二：python-calamine（速度与极低内存的现代极致）

如果你所指的“轻量”不仅是安装包体积，而是对运行耗时、CPU 资源与单机并发吞吐量有严苛要求，那么 python-calamine 是目前 Python 生态中最值得推荐的选择。

calamine 本身是 Rust 社区中最著名的只读 Excel 解析器。python-calamine 是其针对 Python 的 CPython/PyO3 绑定：

• 底层完全用 Rust 实现，解析 XML 与解压 ZipFile 的速度通常是纯 Python 库的 3 到 8 倍。
• 它被 Polars 等现代化超高性能数据分析框架选为默认的 Excel 读取后端。
• 它是一个单纯的只读库，没有任何写入、样式修改或排版逻辑，因此设计高度聚焦，代码干净纯粹。

使用示例

from python_calamine import CalamineWorkbook

def read_with_calamine(file_path):
    # Calamine 专注于只读，直接加载文件路径
    workbook = CalamineWorkbook.from_file(file_path)
    
    # 获取工作表名称列表
    sheet_names = workbook.sheet_names
    print("包含的工作表:", sheet_names)
    
    # 获取指定工作表
    sheet = workbook.get_sheet_by_name(sheet_names[0])
    
    # to_python() 以原生的行列表形式返回数据
    # 相比 openpyxl，它的 C/Rust 级别迭代器转换速度极快
    for row_idx, row in enumerate(sheet.to_python()):
        if row_idx == 0:
            print("表头:", row)
        elif row_idx <= 5:
            print(f"数据行 {row_idx}:", row)

if __name__ == "__main__":
    read_with_calamine("example_data.xlsx")

适用场景：当需要在一个 API 请求内快速完成数万行 Excel 文件的读取、或者在有限算力设备上以极低延迟完成解析时，python-calamine 的优势非常突出。不过需要注意，虽然它提供了绝大多数平台的预编译 Wheel 包（无需用户本地安装 Rust 编译器），但如果处于极端特殊的非主流 CPU 架构（如某些老旧 MIPS 或特定嵌入式 Linux）中，可能需要预先交叉编译。

四、方案三：历史遗留 .xls 格式的轻量方案（xlrd）

如果业务场景中需要处理的是老版本的二进制 .xls 格式（Excel 97-2003），那么无论是 openpyxl 还是现代专用库都无法支持（openpyxl 仅支持 .xlsx / .xlsm）。此时最轻量的选择依然是经典老牌库 xlrd。

import xlrd

def read_legacy_xls(file_path):
    # 打开 .xls 文件
    workbook = xlrd.open_workbook(file_path, on_demand=True)
    try:
        sheet = workbook.sheet_by_index(0)
        for row_idx in range(min(5, sheet.nrows)):
            print(f"行 {row_idx}:", sheet.row_values(row_idx))
    finally:
        workbook.release_resources()

五、选型决策：根据业务约束选择最佳库

面对具体业务时，应该如何在这些方案中做出明确的技术选型？我们可以根据格式要求、环境约束以及资源瓶颈来快速做出决策：

六、四大方案多维指标对比与总结

为了让不同方案的综合表现一目了然，下表列出了常见方案在实际使用中的关键属性：

总结来说，要在 Python 中以最轻量的方式只读解析 Excel，最推荐的做法是直接使用 openpyxl 并开启 read_only=True 和 values_only=True，它既不需要繁重的外部 C 扩展编译环境，又能在低内存机器上平稳流式消费百万行数据；而在追求极限吞吐、资源极端受限或需要兼顾多种格式的高性能只读场景下，python-calamine 是当下无可匹敌的技术方案。