一、痛点：表多到怀疑人生

月底 / 年末，各分公司、各门店、各项目发来一堆同名不同内容的表。你要做同样的操作：改表头、补公式、统一样式、提取汇总。手工一个个开，下班无望。

核心心法：先把“对一张表做的事”写成函数，再用循环套到所有表上。

二、核心原理

1. 1. glob / Path.glob 找出所有目标文件
2. 2. 循环里对每个文件执行同一套处理逻辑
3. 3. 结果统一输出到新文件夹，不动原文件（安全）

三、核心代码

from pathlib import Path
import pandas as pd

src = Path("各分公司报表/8月")
out = Path("各分公司报表/8月_已处理")
out.mkdir(exist_ok=True)

for xlsx in src.glob("*.xlsx"):          # 1. 找出所有 Excel
    df = pd.read_excel(xlsx)
# 2. 统一处理：补“合计”列、规范列名
    df.columns = df.columns.str.strip()
    df["合计"] = df["收入"] - df["支出"]
# 3. 输出到新文件
    df.to_excel(out / f"已处理_{xlsx.name}", index=False)
print("已处理:", xlsx.name)

加个进度提示和异常捕获，就是生产级脚本：

for xlsx in src.glob("*.xlsx"):
try:
        ...  # 处理逻辑
except Exception as e:
print("失败:", xlsx.name, e)     # 单表出错不影响整体

四、界面化（PyQt5 批量处理器）

三个框：源文件夹、输出文件夹、处理类型下拉（加列 / 改表头 / 转格式），点“开始批量”，进度条 + 日志滚动。失败项高亮，一眼看到。

五、常见坑

1. 1. 表头不一致：有的叫“收入”，有的叫“营收”，先 df.rename() 统一再处理。
2. 2. 空表 / 损坏文件：try/except 跳过，别让一个坏文件卡住全程。
3. 3. 覆盖原文件：输出到新文件夹，原表留底，出问题能重来。
4. 4. sheet 不止一个：pd.read_excel(path, sheet_name=...) 指定，或循环所有 sheet。
5. 5. 内存爆掉：百个表别同时读进内存，处理完一个释放一个。

六、工具怎么用

1. 1. 打开「批量处理器.exe」
2. 2. 选“源文件夹”（放那 80 张表）和“输出文件夹”
3. 3. 选处理类型，点“开始批量”
4. 4. 看进度条跑完，去输出文件夹收结果

七、小结

批量处理的本质就一句话：单表逻辑函数化 + 循环套用 + 异常兜底。掌握它，百表来袭也能准点下班。

八、社媒文案（公众号 + 小红书）

公众号标题：领导甩来 80 个 Excel？别一个个开，Python 一个循环全处理完

小红书正文：
月末各分公司报表砸过来 80 张，每张都要改格式算合计，手开直接崩溃😇 后来我把“对一张表做的事”写成函数，再 for 循环套到所有表，3 分钟全搞定！失败的单张自动跳过不卡壳。准点下班真香～