Xlsx Handler Free

安全读写 XLSX 文件，保留公式、日期、合并单元格与样式，支持单文件编辑与结构检查，确保零公式错误。

XLSX 处理（免费版）

本 Skill 把 Excel 工作簿读写操作规范化——按任务选工具、保护既有结构、交付前校验。免费版覆盖单文件读写与检查场景。

概述

程序化操作 Excel 的常见陷阱不少：用 pandas 读后写，公式被静默替换为缓存值；用 openpyxl 写长 ID，Excel 自动转为科学计数法；合并单元格只有左上角保留值；日期在不同系统下序列号差异。本 Skill 把这些陷阱总结为"七条核心规则"，让 Agent 在读写前先做类型判断与结构检查，避免破坏既有工作簿。

核心能力

能力模块	输入	输出	说明
工作簿读取	.xlsx 文件	数据 + 元信息	保留公式与样式
工作簿写入	数据 + 模板	.xlsx 文件	不破坏既有结构
日期处理	日期单元格	真实日期 / 序列号	兼容 1900/1904
类型保护	长 ID / 电话	文本存储	避免精度丢失
结构检查	工作簿	报告	列出问题项
错误校验	工作簿	错误清单	零错误交付
技术实现要点：核心能力基于input_params参数与output_format配置实现,支持创建/查询/修改/删除等操作模式,通过config_options进行运行时配置。

核心功能执行

用input_params参数进行配置。

输入: 用户提供核心功能执行所需的指令和必要参数。 处理: 解析核心功能执行的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回核心功能执行的响应数据,包含状态码、结果和日志。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置。

输入: 用户提供参数配置与调用所需的指令和必要参数。 处理: 解析参数配置与调用的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回参数配置与调用的响应数据,包含状态码、结果和日志。

• 执行此能力时使用config_options参数,支持修改/重置/导入操作

结果处理与输出

用output_format参数进行配置。

输入: 用户提供结果处理与输出所需的指令和必要参数。 处理: 解析结果处理与输出的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回结果处理与输出的响应数据,包含状态码、结果和日志。

• 执行此能力时使用output_format参数,支持导出/保存/转换操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：安全读写、XLSX、工作簿、保留公式、合并单元格与样式、适合单文件编辑与、处理免费版面向需、要程序化读写、Excel、工作簿的开发者与、运维人员、按任务选工具、的工作流、pandas、openpyxl、适用场景、避免公式丢失、日期损坏、合并单元格错乱等、常见陷阱、所有操作在交付前、进行校验、确保零公式错误、Use、when、需要文件处理、文档转换、格式互转、内容提取时使用、不适用于加密文件等。

使用场景

场景一：读取既有模板填充数据（运营角色）

财务提供了一份格式精美的模板，需要在指定 Sheet 的指定区域填入数据，且不能破坏样式。本 Skill 输出 openpyxl 加载 → 定位单元格 → 写入 → 保存的步骤，保留所有样式与公式。

场景二：检查工作簿结构（审计角色）

接手一份陌生工作簿，需要快速了解结构——多少 Sheet、有哪些命名范围、隐藏行列、合并单元格、外部引用。本 Skill 输出结构检查脚本，一键生成报告。

错误处理

Excel 中日期看起来是 2024/01/01，但实际存储是序列号 45292。从不同系统导入的日期可能使用 1904 系统，导致所有日期偏差 1462 天。本 Skill 输出统一的日期解析与转换逻辑。

场景四：长 ID 精度保护（开发者角色）

18 位身份证号、20 位订单号、国际电话号码——这些值在 Excel 中容易被转为科学计数法或截断到 15 位精度。本 Skill 强制按文本存储，保留完整字符串。

错误场景2

检查error_code并按照处理方式进行排查。

错误场景3

快速开始

1. 阅读## 核心能力章节了解skill功能
2. 按## 依赖说明配置环境
3. 执行所需能力对应的命令
4. 参考## 错误处理章节处理异常
5. 查看## FAQ解答常见疑问

工具选择决策树

text

任务类型？
├── 分析、重塑、CSV 类 → 用 pandas
├── 保留公式 / 样式 / 合并 / 多 Sheet → 用 openpyxl
├── 纯数据交换（无格式） → CSV 更可靠
└── 从零构建模型 → openpyxl + 公式

读取并保留公式

python

from openpyxl import load_workbook
# ...
# 保留公式（不计算）
wb = load_workbook('report.xlsx', data_only=False)
ws = wb['Sheet1']
# ...
# 读取公式字符串
formula = ws['A1'].value  # 如 '=SUM(B1:B10)'
# ...
# 读取缓存值（Excel 上次保存时的计算结果）
wb_cached = load_workbook('report.xlsx', data_only=True)
ws_cached = wb_cached['Sheet1']
cached_value = ws_cached['A1'].value  # 如 12345.67

写入并保留结构

python

from openpyxl import load_workbook
# ...
# 加载既有模板
wb = load_workbook('template.xlsx')
ws = wb['Data']
# ...
# 在指定区域写入数据（保留其他单元格格式）
data = [['2026-07', '产品A', 1000], ['2026-07', '产品B', 2000]]
for r, row in enumerate(data, 2):  # 从第 2 行开始
    for c, v in enumerate(row, 1):
        ws.cell(row=r, column=c, value=v)
# ...
# 长数字强制文本
ws.cell(row=2, column=4).value = '110101199001011234'
ws.cell(row=2, column=4).number_format = '@'  # 文本格式
# ...
wb.save('output.xlsx')

示例

工作簿结构检查脚本

python

from openpyxl import load_workbook
# ...
def inspect_workbook(path: str) -> dict:
    """检查工作簿结构，输出问题清单。"""
    wb = load_workbook(path)
    report = {
        'sheets': [],
        'defined_names': list(wb.defined_names),
        'issues': []
    }
# ...
    for ws in wb.worksheets:
        sheet_info = {
            'name': ws.title,
            'dimensions': ws.dimensions,
            'merged_cells': list(ws.merged_cells.ranges),
            'hidden_rows': [],
            'hidden_cols': [],
            'formulas': 0,
            'errors': 0
        }
# ...
        # 检查隐藏行列
        for row_dim in ws.row_dimensions.values():
            if row_dim.hidden:
                sheet_info['hidden_rows'].append(row_dim)
        for col_dim in ws.column_dimensions.values():
            if col_dim.hidden:
                sheet_info['hidden_cols'].append(col_dim)
# ...
        # 检查公式与错误
        for row in ws.iter_rows():
            for cell in row:
                if cell.value and isinstance(cell.value, str):
                    if cell.value.startswith('='):
                        sheet_info['formulas'] += 1
                    if cell.value in ('#REF!', '#DIV/0!', '#VALUE!', '#NAME?'):
                        sheet_info['errors'] += 1
                        report['issues'].append({
                            'sheet': ws.title,
                            'cell': cell.coordinate,
                            'error': cell.value
                        })
# ...
        report['sheets'].append(sheet_info)
# ...
    return report
# ...
import json
report = inspect_workbook('report.xlsx')
print(json.dumps(report, indent=2, ensure_ascii=False, default=str))

日期处理标准模式

python

from openpyxl import load_workbook
from datetime import datetime, timedelta
# ...
def safe_parse_date(serial: int, date_system: str = '1900') -> datetime:
    """将 Excel 日期序列号转为真实日期。"""
    if date_system == '1900':
        # Excel 1900 系统包含 1900-02-29 假闰日 bug
        if serial >= 60:
            serial -= 1
        return datetime(1899, 12, 30) + timedelta(days=serial)
    elif date_system == '1904':
        return datetime(1904, 1, 1) + timedelta(days=serial - 1)
    else:
        raise ValueError(f"未知日期系统：{date_system}")
# ...
# 检查工作簿使用哪个日期系统
wb = load_workbook('legacy.xlsx')
ws = wb.active
print(f"使用 1904 日期系统：{ws.sheet_properties.date1904}")

最佳实践

1. 按任务选工具：分析用 pandas，保留结构用 openpyxl，纯数据用 CSV。
2. 公式保留：加载时 data_only=False，保存时检查公式未被替换为缓存值。
3. 类型保护：长 ID、电话、邮编等设置 number_format = '@' 强制文本。
4. 日期系统：处理旧版文件先确认 sheet_properties.date1904 标志。
5. 合并单元格：只有左上角保留值，读取时定位到左上角。
6. 样式继承：新填充单元格匹配既有样式，避免引入新视觉系统。
7. 交付前校验：检查无 #REF! / #DIV/0! / #VALUE! / #NAME? 残留。
8. 流式读取大文件：超过 10MB 用 read_only=True，避免内存爆炸。
9. 保留视图状态：冻结窗格、筛选、打印区域需明确处理，避免静默丢失。

常见问题

Q1：用 pandas 读取后公式不见了？

A：pandas 把公式计算结果作为值读入，写回时只剩静态值。需要保留公式必须用 openpyxl 的 data_only=False 模式。

Q2：日期看起来对但排序错乱？

A：可能是文本日期而非真实日期序列号。用 cell.is_date 判断，必要时用 DATEVALUE 转换。

Q3：18 位身份证显示为科学计数法？

A：Excel 默认把长数字转为数值，精度截断到 15 位。必须设置 number_format = '@' 强制文本存储。

Q4：合并单元格读取值不对？

A：合并范围内只有左上角单元格保留值，其他单元格为 None。读取时定位到左上角。

Q5：打开后保存，工作簿大小膨胀？

A：可能是 read_only=False 模式加载了全部样式信息。建议保留视图状态时显式指定要保留的属性，避免不必要的元数据写入。

Q6：跨平台打开后筛选丢失？

A：LibreOffice 与 Numbers 对部分筛选语法支持不全。建议分发前同时测试三个平台。

依赖说明

运行环境

• Agent 平台：支持 SKILL.md 的任意 AI Agent（Claude Code / Cursor / Codex / Gemini CLI 等）
• 操作系统：Windows / macOS / Linux
• Python：3.8+
• 办公软件：Excel / WPS / LibreOffice 任一，用于打开结果文件

依赖详情

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由 Agent 平台内置 LLM 提供
Python3	运行时	必需	官网下载
openpyxl	Python 库	必需	pip install openpyxl
pandas	Python 库	可选	pip install pandas

API Key 配置

• 本 Skill 基于本地 Python 与 openpyxl，无需额外 API Key
• 不涉及网络调用与外部端点
• 所有数据在本地处理，不上传任何服务器
• 禁止在 SKILL.md 或脚本中硬编码任何密钥或 Token

可用性分类

• 分类：MD+EXEC（纯 Markdown 指令，部分功能需要 exec 命令行执行能力）
• 说明：基于 Markdown 的 AI Skill，通过自然语言指令驱动 Agent 生成 Python 脚本并执行

已知限制

本免费体验版限制以下高级功能：

• 批量文件处理（一次仅处理单个文件）
• 大文件流式处理（建议文件 < 10MB）
• 跨平台深度兼容性测试（仅验证 Excel）
• 工作簿结构差异对比与合并
• 公式审计与依赖追踪
• 高级样式与条件格式生成
• 数据源对接（数据库、API）
• 优先技术支持

解锁全部功能请使用专业版：xlsx-handler-pro

• 当前为免费版本,如需完整功能请升级到付费版获取全部能力

输出格式

json

{
  "success": true,
  "data": {
    "result": "XLSX处理免费版处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "xlsx handler"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}