Python使用openpyxl读取含合并单元格的Excel数据

一、底层原理：为什么直接读取会得到 None？

要解决合并单元格的读取问题，首先需要理解 Office OpenXML 标准以及 openpyxl 的内存管理机制。在 Excel 文件内部，合并单元格并非将多个物理网格融合成一个物理大网格，而是一种展示层的视图规则。

当你在 Excel 中将 A1:B2 四个单元格合并并填入文本“销售一部”时，底层 XML 文件的实际动作是：

• 仅在左上角坐标（Top-Left Cell，即 A1）的节点中写入值 "销售一部"。
• 在工作表末尾追加一条合并区域声明 <mergeCell ref="A1:B2"/>。
• 其余被覆盖的从属单元格（B1、A2、B2）在底层数据节点中没有独立的值内容。

当 openpyxl 加载工作簿时，左上角的 A1 实例化为一个标准的 Cell 对象，其 value 属性持有该字符串；而 B1、A2、B2 在内存中则被标记为 MergedCell 实例。MergedCell 是一个特殊的只读占位对象，其 value 永远固定为 None。如果你直接按照普通的二维循环 ws.iter_rows(values_only=True) 读取，得到的将是一个充满 None 的稀疏矩阵，直接传递给下游的 Pandas 或入库脚本必然导致数据断流。

二、核心属性：ws.merged_cells 与 CellRange 对象

既然数据只在左上角，要完整还原表格，核心逻辑就是：只要定位到某个单元格处于合并区域内，就直接提取该合并区域左上角的值来代替当前的 None。

openpyxl 的 Worksheet 对象提供了一个属性：ws.merged_cells.ranges。它是一个包含所有合并区域的集合，其中每一个元素都是一个 openpyxl.worksheet.cell_range.CellRange 对象。

CellRange 具有几个极度关键的属性：

• min_row / max_row：合并区域起始与结束的行号（从 1 开始计）。
• min_col / max_col：合并区域起始与结束的列号（从 1 开始计）。
• coord：字符串表示形式，如 "A1:B2"。
• start_cell：左上角首个单元格的坐标标识，如 "A1"。
• 成员判断：(row, col) in cell_range 或 cell in cell_range，支持快速判断指定坐标是否落在该区间内。

三、通用解决方案与完整代码实现

在工程实践中，推荐采用“预构建坐标映射字典”的方法。这种做法的时间复杂度为 $O(M + R \times C)$（$M$ 为合并区域内的单元格总数，$R$ 与 $C$ 为表格行数与列数），可以在常数时间 $O(1)$ 内判断任一坐标是否属于合并单元格，并迅速完成值的替换。

完整实现代码（基于 openpyxl 3.0+）

import openpyxl
from typing import List, Any, Dict, Tuple

def get_merged_cells_value_map(sheet: openpyxl.worksheet.worksheet.Worksheet) -> Dict[Tuple[int, int], Any]:
    """
    预先扫描工作表的所有合并单元格，构建 (row, col) -> 对应真实值 的映射字典。
    注意：openpyxl 的行号与列号索引从 1 开始。
    """
    merged_value_map = {}
    
    # 遍历所有合并区域
    for cell_range in sheet.merged_cells.ranges:
        # 获取合并区域左上角的值
        top_left_value = sheet.cell(row=cell_range.min_row, column=cell_range.min_col).value
        
        # 将该合并区域内所有坐标（含左上角及所有从属单元格）绑定到该值
        for row in range(cell_range.min_row, cell_range.max_row + 1):
            for col in range(cell_range.min_col, cell_range.max_col + 1):
                merged_value_map[(row, col)] = top_left_value
                
    return merged_value_map

def read_excel_with_merged_cells(file_path: str, sheet_name: str = None) -> List[List[Any]]:
    """
    读取含合并单元格的 Excel 文件，并输出规整的二维嵌套列表数据。
    """
    # 严禁使用 read_only=True，否则无法获取 sheet.merged_cells
    wb = openpyxl.load_workbook(file_path, data_only=True)
    
    sheet = wb[sheet_name] if sheet_name else wb.active
    
    # 步骤 1：构建合并单元格坐标映射表
    merged_map = get_merged_cells_value_map(sheet)
    
    # 步骤 2：逐行逐列提取数据并填充
    result_data = []
    for row in range(1, sheet.max_row + 1):
        row_data = []
        for col in range(1, sheet.max_column + 1):
            if (row, col) in merged_map:
                # 命中合并单元格，使用左上角广播出来的真实值
                row_data.append(merged_map[(row, col)])
            else:
                # 普通独立单元格，直接读取自身数值
                row_data.append(sheet.cell(row=row, column=col).value)
        result_data.append(row_data)
        
    wb.close()
    return result_data

# ================= 示例演示 =================
if __name__ == "__main__":
    # 假设待读取的 Excel 路径为 "sample_data.xlsx"
    # 表格内容为：
    # A1:B2 合并，内容为 "核心架构部"
    # C1="张三", C2="李四"
    # A3="基础架构部", B3="云原生组", C3="王五"
    data = read_excel_with_merged_cells("sample_data.xlsx")
    
    print("【示例运行结果输出】：")
    for row in data:
        print(row)
        
    # 示例输出展示：
    # ['核心架构部', '核心架构部', '张三']
    # ['核心架构部', '核心架构部', '李四']
    # ['基础架构部', '云原生组', '王五']

在上面的代码中，load_workbook 传入了 data_only=True。这是一个非常实用的参数：如果合并单元格中的内容本身是由公式计算得出的，开启 data_only=True 可以直接读取出公式计算后的静态值，而不是返回公式字符串（如 =CONCATENATE(...)）。

四、工程落地中的四大高频深坑

1. 致命限制：read_only 模式下 merged_cells 失效

面对几十兆的大文件时，很多工程师习惯传入 read_only=True 开启流式读取以减少内存占用。然而，在只读模式下，openpyxl 不会解析合并单元格的元数据！此时 sheet.merged_cells 要么返回空列表，要么直接抛出 AttributeError 或产生不可预期的行为。如果文件包含合并单元格且必须进行还原，必须保持 read_only=False，或采用解压缩底层 XML 文件的流式处理方案。

2. 性能陷阱：切勿在双层循环中进行线性扫描

初学者经常写出如下代码：

# 【反模式】：极度缓慢的 O(R * C * M) 实现
for row in sheet.iter_rows():
    for cell in row:
        for rng in sheet.merged_cells.ranges:
            if cell.coordinate in rng:
                # 这样做在包含几千行、数百个合并单元格的表格中会发生严重卡顿
                val = sheet.cell(rng.min_row, rng.min_col).value

上述写法的复杂度高达 $O(行数 \times 列数 \times 合并区数)$。必须像前文方案那样，在循环前单次遍历 sheet.merged_cells.ranges 构建哈希字典，将查找时间降为稳定的 $O(1)$。

3. 索引偏移：1-based 与 0-based 混淆

openpyxl 的坐标系统全部以 1 为起始（第 1 行、第 1 列）。而 Python 原生的 range(len(...))、列表切片以及 Pandas 均为 0 为起始。在计算坐标映射时，切记 min_row 到 max_row + 1 需要严格遵循 1-based 逻辑，切勿自行减 1 导致索引错位。

4. 反向操作：解绑单元格与写入保存

如果业务需求不仅是读取，还包括“将合并单元格拆分为普通单元格并回写 Excel”，则可以使用 sheet.unmerge_cells() 方法。需要注意的是：解绑后，原来的从属单元格依然是空的，必须显式地对解绑后的每个单元格执行赋值操作 sheet.cell(r, c).value = top_left_value，随后调用 wb.save()，才能确保在 Excel 软件打开时每个单元格都有独立数值。

五、总结与选择建议

综上所述，Python 使用 openpyxl 读取合并单元格的核心不是去寻找“一个能够自动合并读取的特殊参数”，而是理解底层 OpenXML 规范对数据的分布设计，并通过 ws.merged_cells.ranges 元数据将从属单元格主动映射回其左上角的数据源。掌握这一机制后，无论面对跨行合并、跨列合并还是复杂的块状合并，都能以稳定高效的工程方式输出规整完整的数据。