Python 自动化接单实战（二）：Excel 批量清洗如何把规则与异常分开

客户说"整理一下 Excel"，背后往往同时包含改列名、去空格、金额转换、重复行处理和异常留痕。真正可交付的脚本不能把坏数据悄悄丢掉，也不能让一处格式变化拖垮整批文件。

这一篇延续前两篇的配置驱动思路：先把输入统一成行记录，再让规则函数返回"结果或错误"，最后分别输出干净数据与异常报告。示例使用标准库 CSV，接入 Excel 时只需替换读写适配层。

一、先定义不会含糊的验收规则

假设订单至少需要 order_id、amount 和 customer。金额必须非负，订单号不能为空；同一个订单号重复出现时，保留第一条并把其余记录写入异常文件。

python 复制代码

from decimal import Decimal, InvalidOperation

def clean(row):
    order_id = row.get("order_id", "").strip()
    customer = row.get("customer", "").strip()
    if not order_id:
        raise ValueError("missing order_id")
    try:
        amount = Decimal(row.get("amount", "").replace(",", "").strip())
    except InvalidOperation as exc:
        raise ValueError("invalid amount") from exc
    if amount < 0:
        raise ValueError("negative amount")
    return {"order_id": order_id, "customer": customer, "amount": str(amount)}

规则函数不负责打印，也不直接写文件，因此可以独立测试。客户修改金额约束时，只改这一层。

二、让每条失败记录都能回到原始位置

python 复制代码

import csv

seen, accepted, rejected = set(), [], []
with open("orders.csv", encoding="utf-8-sig", newline="") as source:
    for line_no, row in enumerate(csv.DictReader(source), start=2):
        try:
            item = clean(row)
            if item["order_id"] in seen:
                raise ValueError("duplicate order_id")
            seen.add(item["order_id"])
            accepted.append(item)
        except ValueError as exc:
            rejected.append({"line": line_no, "reason": str(exc), **row})

print(f"accepted={len(accepted)} rejected={len(rejected)}")

输出示例：

text 复制代码

accepted=248 rejected=7

交付时还应把 accepted 和 rejected 分别写入文件，并在异常报告中保留源文件名、行号和原因。这样客户可以修正 7 条数据后重跑，而不是重新核对 255 行。

三、批量目录要有明确停止条件

先用 2---3 个脱敏文件验证列名、编码和日期格式，再扩展到整个目录。若必填列缺失，应停止当前文件；若只是单行金额错误，则隔离该行并继续。规则不明确时先补样例，不要凭经验猜客户意图。

📌 本文把表格清洗拆成规则函数、正常输出和异常报告，让批量处理既能继续执行，也能逐条追溯。

💬 你的 Excel 清洗任务里，最容易反复变化的是列名、日期、金额还是去重规则？

👉 关注《Python 自动化接单实战》，下一篇继续拆解公开网页文本抓取器的范围控制、规则检查与结构化输出。

Python 自动化接单实战（二）：Excel 批量清洗如何把规则与异常分开

一、先定义不会含糊的验收规则

二、让每条失败记录都能回到原始位置

三、批量目录要有明确停止条件

参考来源