openpyxl 对账实战：金额浮点、前导零丢失、20 位单号科学计数法

两张表放在一起核，单号看着一样、金额看着一样，脚本却报「两边各缺一笔」。

这篇记的是写对账脚本时真正让结果出错的 5 个地方。都是实际踩出来的，每个都给能直接抄的处理代码。

适合正在做对账、报表比对、数据导入校验的人。不适合找 pandas 教程的人 ------ 这里全是「数据本身是脏的」引起的问题，换库不解决。

坑 1：金额不能直接比

0.1 + 0.2 == 0.3 在 Python 里是 False，这个大家都知道。真实数据里的形式更隐蔽：

python 复制代码

>>> 1234.56 + 0.0
1234.56
>>> repr(1234.56 * 100)
'123456.00000000001'

从 Excel 读出来的 1234.56，底层可能是 1234.5599999999999。两张表同一笔钱，一边存的是用户手输的 1234.56，一边是公式算出来的,直接 == 就是不相等。

处理办法是统一换算成「分」的整数再比，并且转换过程别经过 float：

python 复制代码

from decimal import Decimal, InvalidOperation
import re

def to_cent(value):
    """金额统一成「分」的整数再比，绕开浮点误差。认不出来返回 None。"""
    if value is None or value == "":
        return None
    if isinstance(value, (int, float)):
        text = repr(float(value))          # repr 保留完整精度，不是 str
    else:
        text = re.sub(r"[¥￥,，\s]", "", str(value))   # 认得出 1,234.56 和 ¥1234.56
    if not text:
        return None
    try:
        return int((Decimal(text) * 100).quantize(Decimal("1")))
    except (InvalidOperation, ValueError):
        return None

两个细节：

repr(float(value)) 而不是 str(value)。Python 3 里两者对 float 已经一致，但写 repr 是明确表达「我要完整精度」的意图。
先 Decimal(text) 再乘 100，不要 Decimal(1234.56),那样是把已经有误差的 float 喂进 Decimal，误差会被保留下来。

顺带一个意外收获：Decimal 自己认全角数字。

python 复制代码

>>> to_cent('１２３４.５６')
123456

我原本以为要先做一次全角转半角，实测不用,Decimal 内部按 Unicode 数字属性解析。少写一行。

坑 2：20 位单号一旦被 Excel 存成数字，末尾几位就永久改掉了

这个坑最狠，因为它不可逆，而且大多数人以为把单元格格式改回「文本」就能修好。

现在的数电发票号码是 20 位。粘进 Excel，格子里会显示成 2.43120E+19：

python 复制代码

>>> n = '24312000000123456789'
>>> f'{float(n):.0f}'
'24312000000123457536'

末尾的 456789 变成了 457536。

原因是 IEEE 754 双精度只有 15-17 位有效十进制数字，20 位数字超出后末尾被舍入。Excel 把它当数字存进去的那一刻，那几位就已经没了,后面改成文本格式，只是让它不再用科学计数法显示，数字本身回不来。

看着像显示问题，实际是数据损坏，而且不报错。

对账脚本能做的只有两件事：

读的时候别让它再退化一次（下面坑 3 的 clean_key 顺带处理了 12345678.0 这种）
在报告里单独列一页「疑似同一笔」，把这类抓出来提示人工核

真正的修法在导出那一步:导出向导里把单号列指定为「文本」，或者用 openpyxl 写出时显式设成字符串。已经坏掉的数据，只能重新导。

坑 3：前导零被吃掉

000123456 在另一张表里变成 123456。金额一模一样，单号严格比对却对不上,于是被判成「A 表缺一笔、B 表也缺一笔」。

处理办法不是直接把前导零删掉当默认规则（那会把真的不同单号合并），而是先严格比，剩下的没配上的再用宽松形式找一遍，并且把结果单独列出来标为「疑似」，不自动合并：

python 复制代码

def loose(key: str) -> str:
    """宽松形式：纯数字的去掉前导零，用来发现「其实是同一笔，只是被 Excel 改了样」。"""
    return (key.lstrip("0") or "0") if key.isdigit() else key

or "0" 这段是为了处理 "000" 这种全零串,"000".lstrip("0") 得到空字符串。

坑 4：看不见的字符

系统里复制出来的单号常带这些东西，肉眼完全看不出来，但比对必然失败：

首尾空格、全角空格（\u3000）、不换行空格（\xa0）
零宽字符（\u200b-\u200f）、BOM（\ufeff）、双向排版控制符（\u202a-\u202e）
全角数字 １２３ 和半角 123

比较之前统一洗一遍：

python 复制代码

import re, unicodedata

INVISIBLE = re.compile(r"[\u200b-\u200f\u202a-\u202e\ufeff\xa0]")

def clean_key(value) -> str:
    """把单号洗成能比的文本：去不可见字符、全角转半角、去所有空白、去掉 Excel 加的小数点尾巴。"""
    if value is None:
        return ""
    # Excel 把纯数字单号读成 float 时会变成 12345678.0，先把这个 .0 去掉
    if isinstance(value, float) and value.is_integer():
        text = str(int(value))
    else:
        text = str(value)
    text = INVISIBLE.sub("", text)
    text = unicodedata.normalize("NFKC", text)   # 全角数字/字母 → 半角
    return "".join(text.split())                 # 去掉中间和首尾所有空白

unicodedata.normalize("NFKC", ...) 一行就把全角转半角，比自己写码位偏移可靠。

⚠️ "".join(text.split()) 会去掉中间的空白,单号里本来不该有空格，所以这里是对的。如果你的 key 是公司名之类可能含空格的字段，只 strip() 别 split()。

坑 5：全负数的时候，`a + b == c` 这种自校验必然失配

这个是最近才挖到的。

发票有个恒等式：不含税金额 + 税额 = 价税合计。拿它做自校验很自然:从票面抓到的一堆金额里，找出满足这个等式的三个数，找到就说明抓对了。

实现一般是从大到小试：

python 复制代码

for total in sorted(set(amts), reverse=True):
    smaller = [x for x in amts if x < total - 1e-9]
    for a, b in combinations(smaller, 2):
        if abs(a + b - total) < 0.005:
            return max(a, b), min(a, b), total

这段在正数上没问题。遇到**红冲票（冲销发票）**就全废了,那种票金额全是负数。

负数里「最大的那个」是绝对值最小的。total 取到它之后，smaller 里全是更负的数，两个更负的数相加只会更负,永远配不上。结果是这类票一个金额都读不出来。

修法是先判断再在绝对值上配对，找到后还原符号：

python 复制代码

nonzero = [x for x in amts if abs(x) > 1e-9]
if nonzero and all(x < 0 for x in nonzero):
    found = _find_amount_triple([abs(x) for x in nonzero])
    return tuple(-v for v in found) if found else None

顺带一个更早的坑：抓金额的正则也得认负号。r"[¥￥]\s*([\d,]+\.\d{2})" 遇到 ¥-1234.56 会直接匹配失败,- 不在 [\d,] 里。加个 -? 就好：

python 复制代码

r"[¥￥]\s*(-?[\d,]+\.\d{2})"

还有一个连代码也救不了的

上面五个都能在代码里处理，但有一类不能:单号已经在导出那一步被改掉了（坑 2）。

所以对账脚本的输出应该分清两件事：

「确定对不上」,金额不一致、单号一边有一边没有
「疑似同一笔」,宽松比对能对上，但严格比对不行

第二类不要自动合并，列出来让人看。自动合并等于用猜测覆盖数据，比报错更糟。

最值得记的 5 个坑

坑	现象	处理
浮点误差	金额看着一样，`==` 为假	统一换成「分」的整数，转换别经过 float
科学计数法	20 位单号末尾几位变了	不可逆,只能在导出那步设成文本
前导零	`000123` 对不上 `123`	严格比对之后，再用宽松形式找「疑似」，不自动合并
不可见字符	肉眼一样就是比不上	`NFKC` + 去零宽 + 去所有空白
全负数	红冲票金额一个都读不出	在绝对值上做自校验，再还原符号

前四个是「数据本身脏」，第五个是「校验逻辑没考虑符号」。两类都不是换个库能解决的。

参考：

openpyxl 对账实战：金额浮点、前导零丢失、20 位单号科学计数法