很多人第一次用 Python 合并一堆 Excel 表时，最容易犯的错误不是代码写错，而是太早开始合并。

目录里有几十个文件，看起来结构差不多，字段名也差不多，于是直接写一个循环，把每个表读进来再 concat。代码可能很快跑完，但结果常常不可信：有些列其实不是同一个含义，有些文件名没有说明来源，有些异常行被混进总表，最后做统计时才发现口径已经乱了。

所以，批量合并 Excel 的第一步不应该是写合并代码，而是先把三个问题管起来：字段、文件名、异常行。

一、先别急着合并，先确认每个文件代表什么

批量文件最怕来源不清。

比如一个目录里有这些文件：

销售明细-北京-2026-06.xlsx
销售明细-上海-2026-06.xlsx
销售明细-广州-2026-06.xlsx
临时汇总.xlsx
旧版备份.xlsx

如果脚本只是把所有 .xlsx 都读进去，临时汇总和旧版备份也可能被合并进去。最后行数变多了，但多出来的不是业务数据，而是脏文件。

更好的做法是先定义文件名规则。

例如：

文件名必须包含城市
文件名必须包含月份
文件名必须以销售明细开头
不符合规则的文件先进入异常清单

一个最小检查可以这样写：

from pathlib import Path
import re

folder = Path('data/excel')
pattern = re.compile(r'^销售明细-(?P<city>.+)-(?P<month>\d{4}-\d{2})\.xlsx$')

valid_files = []
invalid_files = []

for path in folder.glob('*.xlsx'):
    match = pattern.match(path.name)
    if match:
        valid_files.append((path, match.groupdict()))
    else:
        invalid_files.append(path.name)

print('可合并文件：', len(valid_files))
print('异常文件：', invalid_files)

这段代码不负责合并，只负责回答一个问题：哪些文件有资格进入合并流程。

二、字段不要凭感觉对齐，要先做字段清单

Excel 表最常见的问题是字段名看起来相似，但实际并不一致。

比如：

客户名称
客户名
客户
公司名称

再比如：

销售金额
成交金额
金额
订单金额

如果直接合并，pandas 会把它们当成不同列。结果是总表里列越来越多，很多地方出现空值，看起来像数据缺失，其实是字段没有对齐。

合并前应该先扫描每个文件的字段。

import pandas as pd

field_report = []

for path, meta in valid_files:
    df_head = pd.read_excel(path, nrows=0)
    field_report.append({
        'file': path.name,
        'city': meta['city'],
        'month': meta['month'],
        'columns': list(df_head.columns),
    })

for item in field_report:
    print(item['file'], item['columns'])

这一步的价值很大。它能提前暴露哪些文件字段不一致，而不是等合并后再从一堆空值里找原因。

三、建立字段映射，而不是在代码里到处写 if

字段不一致时，不建议在合并循环里写很多临时判断。

更清楚的方式是维护一张字段映射表。

FIELD_MAP = {
    '客户名称': '客户名称',
    '客户名': '客户名称',
    '客户': '客户名称',
    '公司名称': '客户名称',
    '销售金额': '销售金额',
    '成交金额': '销售金额',
    '订单金额': '销售金额',
    '金额': '销售金额',
}

TARGET_COLUMNS = ['客户名称', '销售金额', '城市', '月份']

然后在读取每个文件后统一重命名：

df = pd.read_excel(path)
df = df.rename(columns={c: FIELD_MAP.get(c, c) for c in df.columns})

这比在每个文件上临时修列名更可控。以后新增一种字段写法，只需要改字段映射表，不需要翻整段合并代码。

四、来源信息要写进表里，不要只留在文件名里

合并后的总表里，最好保留来源字段。

比如：

source_file
city
month

否则后面发现某些行异常时，很难追溯它来自哪个文件。

df['source_file'] = path.name
df['城市'] = meta['city']
df['月份'] = meta['month']

这一步看起来简单，但它决定了后面能不能排查问题。

很多合并脚本之所以不好维护，就是因为合并之后所有来源信息都丢了。等业务同事问“这几行是哪里来的”，脚本作者只能重新翻原始文件。

五、异常行不要悄悄丢掉，要单独输出

合并时经常会遇到这些异常：

客户名称为空
金额为空
金额不是数字
整行都是空值
表头位置不一致
文件里混入了说明行

这些行不应该直接丢掉，也不应该混进总表。更好的做法是把它们单独放到异常表。

required = ['客户名称', '销售金额']

valid_rows = df.dropna(subset=required)
invalid_rows = df[df[required].isna().any(axis=1)].copy()

invalid_rows['error_reason'] = '关键字段为空'

这样最终可以输出两个文件：

merged.xlsx：可用总表
errors.xlsx：异常明细

这比只输出一个总表更适合真实工作，因为异常数据往往需要人工确认。

六、合并前先生成检查报告

如果文件很多，建议在真正合并前先生成一个检查报告。

报告里至少包括：

总文件数
符合命名规则的文件数
异常文件数
每个文件的字段列表
缺失字段的文件
异常行数量
最终可合并行数

一个简单结构可以是：

report = {
    'total_files': len(list(folder.glob('*.xlsx'))),
    'valid_files': len(valid_files),
    'invalid_files': invalid_files,
    'field_report': field_report,
}

实际项目里，我更建议把报告输出成 JSON 或 Excel。因为它不是给脚本看的，而是给后续排查和沟通用的。

七、一个更完整的合并流程

把上面的步骤串起来，流程应该是：

第一步，扫描目录，只接收符合命名规则的文件。

第二步，读取每个文件的表头，生成字段清单。

第三步，根据字段映射表统一列名。

第四步，把文件名里的业务信息写入数据列。

第五步，拆分正常行和异常行。

第六步，输出合并总表、异常明细和检查报告。

第七步，再让人确认异常明细是否需要补录或修正。

这个顺序比“直接合并再说”慢一点，但结果更可信。

八、什么时候才适合写成正式工具

如果只是偶尔合并一次，写一个脚本就够了。

但如果这件事每周、每月都要做，就应该把字段映射、文件名规则、输出路径都抽到配置里。

比如：

{
  "filename_pattern": "^销售明细-(?P<city>.+)-(?P<month>\\d{4}-\\d{2})\\.xlsx$",
  "target_columns": ["客户名称", "销售金额", "城市", "月份"],
  "required_columns": ["客户名称", "销售金额"]
}

这样脚本就不只是一次性代码，而是一个小型的数据整理工具。

九、真正影响效率的不是合并，而是合并前的治理

Python 合并 Excel 本身并不难。真正难的是让合并结果可以被信任。

字段不统一，合并出来的表会乱。

文件名不规范，来源会乱。

异常行不处理，统计结果会乱。

所以，批量合并 Excel 的核心不是 concat，而是合并前的检查、映射、追溯和异常处理。只要这几件事先管住，后面的自动化才不会越做越难排查。