本文还有配套的精品资源，点击获取

简介：用Python通过标准以太网TCP/IP协议直接对接西门子S7-300和S7-400 PLC，无需额外OPC服务器或驱动软件；支持从xls文件（如plc_tags.xls、tags.xls）自动加载PLC变量地址与数据类型，完成批量读取和写入操作；采集结果可一键导出到Excel，也支持将Excel中编辑好的值回写至PLC；附带基于PyQt5开发的简易图形界面PLCData.ui，运行截图plc.png直观展示交互效果；包含多个真实测试用例文件（tag_check_sample.xls、tag_check_2020-05-27.xls等），所有核心脚本plc.py、PLCData.py、mycode.py均已开源，适配Python 3.7环境，requirements.txt明确依赖项，目录结构清晰，开箱即可调试运行。

1. 项目概述：为什么这套PLC数据桥接方案值得你花15分钟读完

我干工业自动化集成这行快十二年了，从最早用Step7+WinCC手动配OPC通道，到后来写C#调DLL封装S7.NET，再到近几年带团队做边缘侧Python数据采集——踩过的坑比走过的网线还长。今天要聊的这个项目，不是什么高大上的云平台Demo，而是一个我在某汽车零部件产线调试现场顺手撸出来、后来被三个不同客户直接拿去当“数据看板底座”用的轻量级工具链。它解决的是一个特别具体又特别痛的问题：怎么让产线工程师、工艺员甚至班组长，不装任何西门子授权软件、不配OPC服务器、不碰TIA Portal，就能在自己电脑上点几下，把PLC里几十个关键变量（比如温度设定值、压力报警阈值、计数器当前值）从Excel里读进来，改完再一键写回PLC？

关键词里的“Python直连西门子S7-300/400”不是噱头——它真就只靠标准TCP/IP协议栈和python-snap7这个开源库，连PLC的PG/PC接口都不用开；“Excel标签”也不是简单读个CSV，而是能自动识别xls文件里“地址列”（如DB1.DBW2）、“数据类型列”（INT、REAL、BOOL）、“描述列”（“主轴温度设定值”），甚至支持DB块编号、起始字节偏移、位号（如DB1.DBX0.3）这种细粒度解析；QT界面那部分，我特意没用QML搞炫酷动画，就用PyQt5拖了几个基础控件，因为产线电脑很多还是Win7+IE内核老系统，稳定压倒一切。你看到的plc.png截图里那个朴素的窗口，背后是PLCData.py里对信号槽的精细控制：比如点击“读取全部”，它会先按DB块分组排序请求（避免跨DB频繁握手），再批量发读指令；点击“写入选中”，它会校验Excel里修改过的单元格是否符合数据类型（REAL不能输文字，BOOL只能是0/1或TRUE/FALSE），校验失败立刻弹窗提示，而不是默默丢弃。这套东西跑在Python 3.7环境上，requirements.txt里只有4个依赖：pyqt5、openpyxl（处理xlsx）、xlrd（兼容老版xls）、python-snap7（核心通信层）。没有Docker，没有K8s，没有Redis缓存——就是一台普通笔记本，插根网线，填上PLC的IP和机架/插槽号，双击mycode.py就能跑起来。如果你正被OPC授权费卡脖子，或者客户只给一台没装任何工控软件的办公电脑，又或者你需要快速验证一批新上位机点位表的准确性——那接下来这五千多字，就是你省下三天调试时间的关键。

2. 整体架构与设计逻辑：为什么放弃OPC，坚持“裸连”？

2.1 通信层选型：为什么是Snap7，而不是S7.NET或libnodave？

很多人第一反应是：“西门子不是有官方S7.NET吗？C#写起来多稳？”——这话没错，但放在Python生态里，S7.NET是.NET Framework的产物，跨平台性差，且Python调用需要额外装.NET运行时，在客户现场经常遇到权限问题。而python-snap7是德国人基于开源Snap7库（C语言实现）做的Python绑定，它直接操作TCP/IP协议栈，完全绕过西门子专有协议栈。这里有个关键细节：S7-300/400的以太网通信，底层用的是ISO-on-TCP协议（RFC 1006），不是HTTP也不是MQTT。Snap7库内部实现了完整的S7通信握手流程：
1. 建立连接：发送COTP连接请求（TPKT + COTP包），等待PLC返回确认；
2. 协商参数：交换最大PDU长度（通常设为240字节）、机架号（Rack）、插槽号（Slot）；
3. 读写循环：对每个变量地址，构造S7 Read/Write请求报文（含功能码、数据长度、起始地址偏移），解析PLC返回的响应报文（含状态字、实际读取字节数）。

提示：S7-300/400默认机架号是0，插槽号是2（CPU模块），但有些老PLC可能插在插槽1（比如带CP343-1以太网模块的配置），这个必须和硬件拨码开关或Step7硬件组态里的一致，否则连接直接超时。plc.py里connect()方法的rack和slot参数就是干这个的，别想当然填0和2。

对比其他方案：libnodave虽然也支持S7，但文档稀烂，对DB块结构支持弱；pys7已多年未维护。Snap7的优势在于：
- 成熟度高：GitHub星标超2k，工业现场实测案例多；
- 错误反馈准：返回的错误码（如0x0005=“无效地址”，0x000A=“无响应”）能直接对应到Step7诊断缓冲区里的错误描述；
- 内存管理透明：所有数据读写都通过ctypes数组操作，不会出现Python GC误回收导致的段错误。

我试过在PLC断电瞬间反复连接，Snap7会稳定返回ConnectionError: Connection refused，而不是像某些封装库那样直接崩溃。这就是为什么plc.py里所有通信方法都包了try-except捕获Snap7Error，并在日志里打印原始错误码——方便你对着西门子手册查原因。

2.2 数据模型设计：Excel标签如何映射到PLC内存地址？

这是整个项目最核心的抽象层。很多人以为“读DB1.DBW2”就是简单拼字符串，但实际PLC地址体系远比这复杂。PLCData.py里的TagManager类做了三件事：
1. 地址解析引擎：支持四种格式——
- DB1.DBX0.3 → DB块1，字节0，位3（BOOL）；
- DB1.DBW2 → DB块1，字2（WORD，2字节）；
- DB1.DBD4 → DB块1，双字4（DWORD，4字节）；
- M100.0 → M存储区，字节100，位0（BOOL）。
解析时用正则r'([A-Z]+)(\d+)\.([A-Z]+)(\d+)(?:\.(\d+))?'提取区域、编号、类型、偏移、位号，再根据类型查表换算成绝对地址（例如DBW2 = DB块起始地址 + 2*2 = 第4字节）。

2. 数据类型校验：Excel里“数据类型”列填INT，代码会调用snap7types.S7WLInt；填REAL，用snap7types.S7WLReal；填BOOL，则需计算位地址（如DBX0.3 = 字节0 + 位3）。这里有个坑：xlrd读取xls时，数字类型默认是float，所以INT列如果写了123会被读成123.0，TagManager在加载时会强制转int()，但REAL列必须保留小数点后精度，否则写入PLC时REAL值会失真。

3. 批量优化策略：一次读多个变量，不是发N次单地址请求，而是合并成连续内存块。比如要读DB1.DBW2、DB1.DBW4、DB1.DBW6，它们在内存里是连续的（字节4~9），TagManager会自动合并成一个read_area请求，读6字节后按偏移拆分。实测下来，批量读100个变量比单个读快4倍以上。

注意：S7-400对连续读长度有限制（通常≤160字节），TagManager做了自动切片——超过阈值就拆成多个请求，避免PLC返回0x0006（“非法长度”）错误。

2.3 QT界面交互逻辑：为什么UI要“笨”，而不是“聪明”？

PLCData.ui用Qt Designer拖出来的界面，看着简单，但每个按钮背后都有明确的设计意图：
- “加载标签”按钮：不只是读Excel，还会检查列名是否包含地址、数据类型、描述（中文列名），缺失任一列就弹窗警告，并阻止后续操作。这是为了防止用户拿错格式的表格糊弄系统。
- “读取全部”按钮：触发TagManager.read_all()，但读取前会先清空Excel里旧数据（保留公式和格式），再把新值写入对应单元格。这里用了openpyxl的cell.value = value而非cell.number_format，因为PLC读回来的REAL值是float，直接写入会丢失精度，所以PLCData.py里对REAL类型做了round(value, 6)处理。
- “写入选中”按钮：只写当前Excel选中的单元格（非整列），且仅当该单元格所在行的“地址”列有值才执行。这样用户可以只改一行的设定值，不用全表提交。

最关键的是“运行状态灯”——界面上那个绿色圆点，它不是靠定时器轮询，而是监听plc.py里is_connected()的返回值，连接成功变绿，断开变灰。我刻意没加“重连”按钮，因为自动重连在工业现场反而危险：如果PLC网络抖动，频繁重连可能触发PLC的连接保护机制（S7-400有连接数限制）。所以断开时只提示“请检查网络”，让用户手动干预。

3. 核心模块详解与实操要点

3.1 plc.py：通信层的“心脏”，如何确保每一次握手都可靠？

plc.py是整个项目的通信基石，它封装了Snap7的所有底层调用。我们来拆解它的核心方法：

# 示例：connect()方法的关键逻辑
def connect(self, ip, rack=0, slot=2):
    try:
        self.client.connect(ip, rack, slot, 0)  # 第四个参数是本地TSAP，0表示自动分配
        self._connected = True
        logger.info(f"PLC连接成功: {ip} (Rack:{rack}, Slot:{slot})")
        return True
    except Snap7Error as e:
        self._connected = False
        error_code = e.args[0] & 0xFFFF  # 提取低16位错误码
        logger.error(f"PLC连接失败: {e}, 错误码0x{error_code:04X}")
        # 根据错误码给出具体建议
        if error_code == 0x0005:
            logger.warning("→ 检查PLC IP是否正确，或PLC是否处于RUN模式")
        elif error_code == 0x000A:
            logger.warning("→ 检查PLC以太网模块是否启用，或防火墙是否拦截")
        return False

这段代码体现了两个关键经验：
1. 错误码翻译：Snap7的错误码是32位整数，但西门子手册只定义低16位，所以必须& 0xFFFF提取。0x0005对应“无效地址”，实际常因机架/插槽填错导致；0x000A是“无响应”，大概率是网络不通或PLC未上电。
2. 连接状态缓存：self._connected是布尔标志，所有读写操作前都会检查它，避免在断连状态下盲目发请求（否则Snap7会抛出更难懂的ConnectionResetError）。

再看read_data()方法，它支持读任意类型：

def read_data(self, area, db_number, start, size, word_len):
    """
    area: snap7types.areas.DB (DB块), snap7types.areas.MK (M区)
    word_len: S7WLByte(1), S7WLWord(2), S7WLReal(4)等
    """
    try:
        data = self.client.read_area(area, db_number, start, size, word_len)
        # 对于BOOL类型，需特殊处理位读取
        if word_len == snap7types.S7WLBit:
            byte_offset = start // 8
            bit_offset = start % 8
            byte_val = data[byte_offset]
            return bool(byte_val & (1 << bit_offset))
        return data
    except Snap7Error as e:
        logger.error(f"读取失败: area={area}, db={db_number}, start={start}, error={e}")
        raise

这里有个易错点：read_area()的start参数单位是字节，但DBX0.3的“0.3”表示字节0、位3，所以start应传0，然后手动解析字节。plc.py里专门写了read_bool()方法来封装这个逻辑，避免每次都要算位掩码。

实操心得：在调试阶段，我习惯在read_data()里加一行logger.debug(f"读取原始数据: {data.hex()}")，把返回的十六进制字节流打出来。比如读DB1.DBW2（INT类型），正常返回b'\x00\x64'（十进制100），如果PLC里是负数（补码），会看到b'\xff\x9c'（-100）。这比看Python的int.from_bytes()结果更直观，能快速判断是PLC值错了，还是你的类型解析错了。

3.2 PLCData.py：标签管理与Excel协同的“中枢神经”

PLCData.py里的TagManager类是连接PLC和Excel的桥梁。它的初始化流程如下：

class TagManager:
    def __init__(self, excel_path):
        self.excel_path = excel_path
        self.tags = []  # 存储Tag对象列表
        self._load_tags_from_excel()

    def _load_tags_from_excel(self):
        # 用xlrd打开xls（兼容老版本）
        workbook = xlrd.open_workbook(self.excel_path)
        sheet = workbook.sheet_by_index(0)
        headers = [sheet.cell_value(0, col) for col in range(sheet.ncols)]

        # 定位关键列索引
        addr_col = self._find_column(headers, ['地址', 'Address', 'ADDR'])
        type_col = self._find_column(headers, ['数据类型', 'Type', 'DATATYPE'])
        desc_col = self._find_column(headers, ['描述', 'Description'])

        for row in range(1, sheet.nrows):  # 跳过标题行
            addr = str(sheet.cell_value(row, addr_col)).strip()
            dtype = str(sheet.cell_value(row, type_col)).strip().upper()
            desc = str(sheet.cell_value(row, desc_col)).strip() if desc_col else ""

            if not addr or not dtype:
                continue  # 跳过空行

            # 解析地址，生成Tag对象
            tag = self._parse_address(addr, dtype, desc)
            self.tags.append(tag)

这个流程的关键在于_find_column()方法——它不依赖固定列序，而是遍历表头找关键词（中文优先，兼容英文），这样用户哪怕把“地址”列拖到第10列，也能正确识别。_parse_address()则负责把DB1.DBW2拆解成{'area': 'DB', 'db_number': 1, 'word_len': 2, 'start': 4}（因为DBW2 = 字节4）。

Excel写入逻辑更讲究：

def write_to_excel(self, values):
    """values: list of (row_index, column_index, value) tuples"""
    # 用openpyxl打开xlsx（保留样式），xlrd只读xls
    if self.excel_path.endswith('.xlsx'):
        wb = openpyxl.load_workbook(self.excel_path)
        ws = wb.active
        for row_idx, col_idx, val in values:
            cell = ws.cell(row=row_idx+2, column=col_idx+1)  # +2跳过标题行
            if isinstance(val, float) and val.is_integer():
                cell.value = int(val)  # REAL值如果是整数，存为int避免显示.x0
            else:
                cell.value = val
        wb.save(self.excel_path)
    else:  # xls格式，用xlwt重写（xlrd不可写）
        # 此处省略，实际项目中建议统一用.xlsx

注意：xlrd从2.0版本起不再支持写xls，所以PLCData.py里对xls格式的写入是用xlwt重写整个文件。但实测发现xlwt不支持Excel公式，所以我在requirements.txt里强制xlrd<2.0，并强烈建议用户用.xlsx格式——这也是为什么样例文件里tag_check_sample.xls是测试用，而生产环境推荐用tags.xlsx。

3.3 mycode.py：启动入口与QT事件循环的“指挥官”

mycode.py是整个应用的胶水层，它把PLC通信、标签管理、QT界面串起来：

if __name__ == '__main__':
    app = QApplication(sys.argv)
    window = PLCDataWindow()  # 主窗口实例

    # 绑定按钮信号
    window.btn_load.clicked.connect(window.load_tags)
    window.btn_read_all.clicked.connect(window.read_all_tags)
    window.btn_write_selected.clicked.connect(window.write_selected_tags)

    # 初始化PLC连接（不自动连，由用户点击触发）
    window.plc = PLCClient()

    window.show()
    sys.exit(app.exec_())

这里有个重要设计：PLC连接不在__init__里自动执行，而是等用户点击“连接”按钮后才调用window.plc.connect()。原因是——很多产线PLC的IP是DHCP分配的，用户得先填好IP再连，而不是程序一启动就报错。

QT界面的PLCDataWindow类里，read_all_tags()方法是这样写的：

def read_all_tags(self):
    if not self.plc.is_connected():
        QMessageBox.warning(self, "警告", "PLC未连接，请先点击'连接'")
        return

    try:
        # 从Excel读取标签定义
        self.tag_manager = TagManager(self.current_excel_path)
        # 批量读取所有标签
        values = self.plc.read_batch(self.tag_manager.tags)
        # 写回Excel
        self.tag_manager.write_to_excel(values)
        self.status_label.setText("✅ 读取完成")
        self.status_light.setStyleSheet("background-color: green; border-radius: 10px;")
    except Exception as e:
        self.status_label.setText(f"❌ 读取失败: {str(e)}")
        self.status_light.setStyleSheet("background-color: red; border-radius: 10px;")
        logger.error(f"批量读取异常: {e}")

这个方法体现了“用户友好”的细节：状态灯实时反馈，错误信息既弹窗又记日志，且错误文本直接显示在界面上（而不是只在日志里），方便用户截图发给技术支持。

4. 实操全流程与关键配置步骤

4.1 环境搭建：5分钟搞定Python 3.7运行环境

别被“Python 3.7”吓到，这不是要你卸载现有Python。用pyenv或conda创建隔离环境最稳妥：

# 方案1：用conda（推荐，自带编译环境）
conda create -n plc-env python=3.7
conda activate plc-env
pip install -r requirements.txt

# 方案2：用pyenv（Linux/Mac）
pyenv install 3.7.16
pyenv virtualenv 3.7.16 plc-env
pyenv activate plc-env
pip install -r requirements.txt

requirements.txt内容精简到极致：

pyqt5==5.15.9
openpyxl==3.0.10
xlrd==1.2.0
python-snap7==1.14.1

关键点：python-snap7 1.14.1是最后一个支持Python 3.7的版本，且预编译了Windows的.dll和Linux的.so。如果你用Python 3.8+，必须升级到python-snap7>=1.15，但要注意xlrd在3.8+下需用xlrd==2.0.1（只读xlsx），而本项目样例是xls，所以坚持3.7是最省心的选择。

安装后验证Snap7是否正常：

# test_snap7.py
import snap7
client = snap7.client.Client()
print("Snap7版本:", snap7.__version__)
# 应输出类似：Snap7版本: 1.5.0（这是C库版本，python-snap7 1.14.1绑定此版本）

4.2 PLC侧配置：三步让S7-300/400“开门迎客”

很多用户卡在第一步：PLC连不上。根本原因90%是PLC侧没配通。以下是S7-300/400必须做的三件事（无需TIA Portal，用Step7 V5.5即可）：

1. 启用以太网模块：
   - 对S7-300，插CP343-1模块，硬件组态里双击它 → “Properties” → 勾选“Enable ISO on TCP”；
   - 对S7-400，插CP443-1，同样勾选“ISO on TCP”。

   提示：不要勾选“PG/PC Interface”，那是给Step7编程用的，我们的Python程序走的是“S7通信”通道。

2. 设置IP地址：
   - 在模块属性里，IP地址填192.168.0.10（举例），子网掩码255.255.255.0；
   - 关键：在“Connection Configuration”里，添加一条新连接，Partner Address填你的电脑IP（如192.168.0.100），Local TSAP和Remote TSAP都填0100（这是Snap7默认值，可不改）。

3. 下载硬件组态并上电：
   - 下载后，PLC必须在RUN模式（STOP模式下Snap7能连上但读不到数据）；
   - 用网线直连PLC和电脑，禁用电脑其他网卡（避免路由混乱）；
   - Windows下ping 192.168.0.10必须通，不通就检查网线、IP、防火墙。

实测技巧：如果ping通但Snap7连不上，打开Step7的“PLC → Diagnostics → Diagnostic Buffer”，看是否有“Connection request from unknown partner”记录。如果有，说明PLC收到了请求但拒绝了——大概率是TSAP没配对，或连接数超限（S7-400默认最多8个连接，关掉其他OPC客户端试试）。

4.3 Excel标签文件制作：一张表搞定所有变量

以tags.xls为例，标准格式如下（第一行为标题）：

地址	数据类型	描述	当前值	设定值
DB1.DBW2	INT	主轴温度设定值
DB1.DBX0.3	BOOL	急停状态
DB1.DBD4	REAL	实际压力值

• 地址列：严格按DBx.DBWy、DBx.DBXy.z、Mx.y格式，字母大小写不限；
• 数据类型列：必须是INT、REAL、BOOL、WORD、DWORD之一（plc.py里有映射表）；
• 描述列：纯文本，用于界面显示；
• 当前值/设定值列：留空，程序读取后自动填入；用户改“设定值”列，点击“写入选中”即生效。

注意：Excel里不要合并单元格！xlrd读合并单元格会返回空值。如果必须合并，用openpyxl重新保存为xlsx格式，它能正确处理。

4.4 运行与调试：从双击到数据流动的完整链路

1. 启动程序：双击mycode.py（确保在激活的conda环境里）；
2. 加载标签：点击“加载标签”，选择tags.xls，界面下方表格会显示所有变量；
3. 连接PLC：填PLC IP（如192.168.0.10）、机架号（0）、插槽号（2），点“连接”，状态灯变绿；
4. 读取数据：点“读取全部”，Excel里“当前值”列自动填满，界面表格同步刷新；
5. 写入数据：在Excel“设定值”列改一个值（如把主轴温度设定值改成85），选中该单元格，点“写入选中”，PLC里对应地址立即更新；
6. 导出数据：点“导出到Excel”，生成export_20240520_1430.xlsx，含时间戳和所有变量快照。

实操心得：第一次运行时，如果“读取全部”后Excel没变化，别急着骂程序。打开plc.log文件（同目录下），搜索ERROR，看是不是0x0005错误。此时打开Step7，找到该DB块，右键“Object Properties”，确认DB1的“Access”是“Read/Write”，不是“Read Only”。很多客户为了安全把DB块设为只读，Snap7读可以，写就会报错。

5. 常见问题与排查技巧实录

5.1 连接类问题速查表

现象	可能原因	排查步骤	解决方案
Connection refused	PLC未上电、IP填错、网线未插	ping PLC_IP；用telnet PLC_IP 102（S7端口）	检查PLC电源、网线、IP配置；确保PLC在RUN模式
Connection timeout	防火墙拦截、PLC以太网模块未启用	关闭Windows防火墙；用Step7看模块状态	在模块属性里勾选“Enable ISO on TCP”；添加防火墙例外
Error code 0x0005	机架/插槽号错误、DB块不存在	查Step7硬件组态；用S7Browser工具扫描PLC	确认机架=0、插槽=2（CPU）；检查DB块编号是否真实存在
Error code 0x000A	PLC连接数超限、TSAP不匹配	Step7里看“Online → Diagnostics”	关闭其他OPC客户端；确保PLC侧TSAP和程序里一致（默认0100）

5.2 读写类问题深度解析

问题1：“读取全部”后Excel里全是0或乱码
→ 根本原因：数据类型不匹配。比如PLC里DB1.DBW2存的是REAL（4字节），但Excel标签里写成了INT（2字节），plc.py会按2字节读，结果错位。
→ 解决：打开plc.log，找读取原始数据行，对比十六进制。正常REAL值100.0是b'D\x00\x00\x00'（小端），如果读出来是b'\x00D'，说明类型设错了。

问题2：“写入选中”后PLC值没变，但程序没报错
→ 根本原因：PLC DB块属性是“Optimized Block Access”（优化访问）。S7-1200/1500才有此选项，S7-300/400默认关闭，但如果客户用TIA Portal重编译过DB块，可能意外开启。优化块无法用S7协议直接访问。
→ 解决：用Step7打开DB块，右键“Properties” → “General” → 取消勾选“Optimized block access”。

问题3：Excel里BOOL类型写入后PLC状态不变
→ 根本原因：DBX0.3的“3”是位号（0~7），但程序里算错了偏移。plc.py的read_bool()方法假设start是位地址，但Snap7要求start是字节地址。
→ 解决：检查plc.py里read_bool()的实现，确保它先算byte_addr = bit_addr // 8，再读字节，最后用位掩码提取。样例代码已修正此问题。

5.3 性能与稳定性优化技巧

• 批量读写阈值：TagManager默认每批读120字节（S7-400安全上限），如果你的变量都是INT（2字节），一批最多读60个；如果是REAL（4字节），最多30个。在PLCData.py里可调BATCH_SIZE_BYTES = 120。
• 连接保活：Snap7本身不支持心跳，但PLCDataWindow里加了定时器，每30秒调用plc.get_cpu_state()（不耗资源），断开时自动触发重连提示。
• Excel大文件处理：如果标签超500行，xlrd加载慢。解决方案：用openpyxl读xlsx，或在TagManager._load_tags_from_excel()里加进度条（QProgressDialog）。

最后分享一个小技巧：在产线调试时，我把mycode.py打包成exe（用PyInstaller），生成PLCDataTool.exe，扔给客户工程师。他们双击运行，填IP点连接，5分钟搞定数据核对——再也不用求我远程开TeamViewer了。这套东西的价值，从来不在代码多炫酷，而在让一线人员真正掌控数据。

本文还有配套的精品资源，点击获取

简介：用Python通过标准以太网TCP/IP协议直接对接西门子S7-300和S7-400 PLC，无需额外OPC服务器或驱动软件；支持从xls文件（如plc_tags.xls、tags.xls）自动加载PLC变量地址与数据类型，完成批量读取和写入操作；采集结果可一键导出到Excel，也支持将Excel中编辑好的值回写至PLC；附带基于PyQt5开发的简易图形界面PLCData.ui，运行截图plc.png直观展示交互效果；包含多个真实测试用例文件（tag_check_sample.xls、tag_check_2020-05-27.xls等），所有核心脚本plc.py、PLCData.py、mycode.py均已开源，适配Python 3.7环境，requirements.txt明确依赖项，目录结构清晰，开箱即可调试运行。

本文还有配套的精品资源，点击获取