在数据处理中，经常会遇到这样一个需求：
我们有两份 Excel：一份是主数据表，另一份是学生/员工/客户的完整信息表。 需要按姓名匹配，把完整信息补充到主表中。
听起来简单，但实际操作中常会踩坑，比如：
- 主表是 XLS ，信息表是 XLSX
- 两个表的表头不在第一行
- 信息表第一列是序号，真正数据在第二列开始
- 合并后需要把新字段插入到指定位置，而不是简单拼在末尾
本文就分享一次真实项目中的解决方案： 使用 Python + Pandas + xlrd + openpyxl，实现多格式 Excel 读取 + 灵活表头处理 + 按姓名匹配合并 + 自定义列顺序输出。
一、需求拆解
最终目标是：
- 无论是 XLS 还是 XLSX，都能读取
- 支持跳过表头行
- 支持跳过第一列（常见为序号）
- 按姓名进行匹配
- 把匹配结果插入主表的指定列后（例如 I 列）
- 输出一个新的 XLSX 文件
为了做到这点，我们需要写一个"通用 Excel 读取函数"。
二、通用 Excel 读取函数（支持 XLS / XLSX）
核心难点在于：
pandas无法直接读取带旧格式.xls的合并单元格或特殊格式xlrd只能读取.xls（新版不支持.xlsx）
所以策略是：
- xls → xlrd
- xlsx → pandas(openpyxl)
并手动实现跳过行、跳过列等功能。
三、跨表匹配的整体流程
整个数据处理逻辑如下：
- 读取主表（XLS/XLSX 均可）
- 读取信息表（可以从第二行是真表头）
- 把信息表按"姓名"设置为索引
- 循环主表每一行，根据姓名取对应信息
- 把匹配结果拼成新的 DataFrame
- 插入到主表指定列之后
- 输出最终的合并表
这个流程能适配各种不同的 Excel 格式，健壮性很高。
四、完整示例代码（已脱敏）
以下是通用示例代码，你可以直接复用：
python
import pandas as pd
import xlrd
import openpyxl
def read_excel_any(path, sheet_name=None, skip_header_rows=0, skip_first_column=False):
"""
支持 XLS/XLSX 的通用读取函数
- skip_header_rows: 跳过前 N 行
- skip_first_column: 是否跳过第一列（序号）
"""
if path.lower().endswith(".xls"):
book = xlrd.open_workbook(path)
sheet = book.sheet_by_name(sheet_name) if sheet_name else book.sheet_by_index(0)
data = []
for r in range(sheet.nrows):
if r < skip_header_rows:
continue
row = sheet.row_values(r)
if skip_first_column:
row = row[1:]
data.append(row)
df = pd.DataFrame(data[1:], columns=data[0])
return df
else: # XLSX
df = pd.read_excel(
path,
sheet_name=sheet_name,
engine="openpyxl",
skiprows=skip_header_rows
)
if skip_first_column:
df = df.iloc[:, 1:]
return df
# ===== 配置区（示例） ===== #
main_file = "主表.xls"
main_sheet = "数据表"
info_file = "信息表.xlsx"
info_sheet = "全部信息"
info_skip_header = 1
info_skip_first_col = True
# ======================== #
# 读取主表
df_main = read_excel_any(main_file, sheet_name=main_sheet)
# 读取信息表
df_info = read_excel_any(
info_file,
sheet_name=info_sheet,
skip_header_rows=info_skip_header,
skip_first_column=info_skip_first_col
)
# 确保两张表都有"姓名"列
if "姓名" not in df_main.columns or "姓名" not in df_info.columns:
raise ValueError("两份表格必须都包含"姓名"列！")
# 设置信息表的索引
df_info_index = df_info.set_index("姓名")
# 按姓名匹配
matched_data = []
for name in df_main["姓名"]:
if name in df_info_index.index:
matched_data.append(df_info_index.loc[name].to_dict())
else:
# 不存在则填空
matched_data.append({col: None for col in df_info.columns if col != "姓名"})
df_match = pd.DataFrame(matched_data)
# 匹配内容插入到指定位置（示例：插入到第 8 列之后）
insert_pos = 8
cols_main = df_main.columns.tolist()
new_cols = cols_main[:insert_pos + 1] + df_match.columns.tolist() + cols_main[insert_pos + 1:]
df_out = pd.concat([df_main, df_match], axis=1)[new_cols]
df_out.to_excel("输出结果.xlsx", index=False)✨ 五、关键技术点解释
① 通用读取函数封装的意义
很多项目里主表和信息表格式不同、位置不同、列不同。 封装通用函数之后：
- 脚本可复用性强
- 更换 Excel 只需修改文件名
- 结构更清晰、利于维护
② 使用 set_index 做匹配
arduino
df_info.set_index("姓名")这样查找效率极高，相当于字典查询。
③ 保持原表字段顺序不变
很多业务表格是"固定模板"，不能随意打乱列。 这里通过自定义 new_cols 保证了最终顺序完全可控。
六、效果示例
最终输出的 Excel 将会：
- 保留主表原有字段顺序
- 在指定列（如 I 列）后插入信息表的字段
- 按姓名逐行匹配
- 如果信息表中没有该姓名，填充为空白
整个流程自动化，不需要人工筛选、复制、粘贴。
七、总结
通过 Python 的数据处理能力，我们可以轻松实现：
- 跨格式 Excel 读取（XLS/XLSX）
- 灵活处理表头位置与列结构
- 按姓名精准匹配信息表
- 保持主表字段顺序
- 自动生成合并后的最终数据
在实际业务场景（学籍管理、人事数据、客户数据等）中，这类脚本非常实用，大幅提升效率。
如果你有更复杂的需求，比如：
- 多字段匹配
- 多表联查
- 模糊匹配（拼音/首字母）
- 学生重复名自动识别
- 批量处理多个文件夹