python-读写Excel:openpyxl-(4)下拉选项设置

使用openpyxl库的DataValidation对象方法可添加下拉选择列表。

DataValidation参数说明:

  1. type: 数据类型("whole", "decimal", "list", "date", "time", "textLength", "custom")
  2. promptTitle :选定单元格后显示提示信息的标题
  3. prompt :选定单元格后显示提示信息的内容
  4. showDropDown 显示下拉箭头,默认False为显示
  5. allow_blank 允许空白,默认为False
  6. showInputMessage 输入内容后是否显示匹配的内容,默认为False
  7. showErrorMessage 不符合输入条件时报错提示信息显示,默认为False

DataValidation可接收两个公式参数formula1 和formula12 ,根据不同的type添加一个或两个公式参数,如果type类型只接收一个公式时,则取formula1为公式。

接收两个公式参数时,可选择operator参数,参数可选值有:"between", "notBetween", "equal", "notEqual", "lessThan", "lessThanOrEqual", "greaterThan", "greaterThanOrEqual"。

参数与Excel关系:

代码演示:

python 复制代码
from openpyxl import Workbook
from openpyxl.worksheet.datavalidation import DataValidation

# 创建一个新的工作簿
wb = Workbook()
ws = wb.create_sheet('666', index=0)

# 设置下拉列表的选项
options = ["张三", "李四", "王五"]

# 创建数据验证对象
dv = DataValidation(type="list", formula1='"{}"'.format(','.join(options)),
                    prompt='选择与选项匹配的内容',
                    promptTitle='请选择姓名',
                    allow_blank=True,
                    showErrorMessage=True,
                    showInputMessage=True, showDropDown=False)

# showInputMessage 输入时模糊首先展示匹配的数据供选择
# showErrorMessage 输入后校验输入的数据是够在选择项当中,不在时给出错误提示,错误提示信息如下:
dv.errorTitle = "无效的选择"
dv.errorStyle = 'warning'  # 错误警告的样式,默认为stop,("stop", "warning", "information")
dv.error = "请选择或输入与下拉数据匹配的数据!"

ws.add_data_validation(dv)  # 将数据验证规则添加到工作表中
# 将数据验证应用于A2:A100单元格区域
dv.add("A2:A100")

# 将数据验证添加到工作表
ws.add_data_validation(dv)

# 保存Excel文件
wb.save(rf'C:\Users\Administrator\Desktop\test001.xlsx')

补充小知识:可手动在条件筛选中设置每个下拉选择的样式

相关推荐
LinXunFeng4 小时前
Obsidian - 使用 Share Note 分享笔记并自部署
前端·笔记·github
兵慌码乱7 小时前
基于 MediaPipe 与 PySide2 的手势交互音乐控制系统实现:轻量化视觉交互全流程解析
python·opencv·计算机视觉·人机交互·手势识别·mediapipe·pyside2
乘风gg8 小时前
为什么AI 时代来临,大部分人吃不到红利
前端·ai编程·claude
恋猫de小郭8 小时前
Android 限制侧载新进展,谷歌联合国内厂商推验证计划
android·前端·flutter
IT_陈寒8 小时前
Redis内存爆了,原来我漏掉了这个致命配置
前端·人工智能·后端
恋猫de小郭8 小时前
解读 Android 17 全新内存限制,有没有“豁免”后门?
android·前端·flutter
Hyyy10 小时前
理解LLM的基本工作原理:预训练、微调、推理的区别
前端
luckdewei10 小时前
FastAPI 资产管理系统实战:复杂 ORM 关联、Alembic 迁移与 N+1 查询优化
python
Gatlin10 小时前
前端逆向与反逆向:一场猫鼠游戏的底层逻辑与实战
前端
Pedantic10 小时前
本地通知(Local Notifications)学习笔记
前端