优化`openpyxl`合并单元格操作性能

问题现象

  • 在使用openpyxl实现大规模单元格合并时发现，随着需要合并的区域增多，代码运行时间显著增加且性能下降。
  • 对sheet.merge_cells的逐次调用占用了大量时间。

原因分析

  • 每次调用sheet.merge_cells，openpyxl会触发以下操作：
    1. 校验合并区域是否重复或冲突。
    2. 重建内部的单元格模型，维护读取、写入和引用的正确性。
  • 当合并区域较多时，每次调用都需多次更新和校验，导致时间复杂度呈线性增长，同时增加了内部模型调整的开销。

解决方案

为优化合并操作，可以延迟合并并通过直接批量构造合并区域的方式减少重复校验。

具体方法

  1. 记录需要合并的区域：

    • 在遍历过程中，将需要合并的单元格区域收集为列表或集合（例如start_row和end_row）。
    • 合并区域可以根据列号（或其他索引）分组记录。

  2. 构造合并区域对象：

    • 使用openpyxl.worksheet.cell_range.CellRange提供的功能，直接创建每个合并区域（而非逐次调用sheet.merge_cells）。
    • 这种方式不会在每次添加时触发内部校验，而是在更新完成后一次性校验。

  3. 批量更新合并集合：

    • 利用sheet.merged_cells.ranges.update()方法一次性将所有合并区域提交到工作表中，避免逐次更新的性能开销。

  4. 保存数据到文件：

    • 使用workbook.save()将内存中的更新保存到文件，这一步进行实际的 I/O 操作。

优化代码示例

from openpyxl.utils import get_column_letter
from openpyxl.worksheet.cell_range import CellRange

# 假设需要合并的范围是下面的数据格式
merge_ranges = {"A": [(7, 10), (12, 15)], "B": [(7, 8), (9, 12)]}  # 各列对应的合并起止行
merged_cells = set()

# 构造所有合并区域
for col_letter, ranges in merge_ranges.items():
    for start, end in ranges:
        merged_cells.add(CellRange(f"{col_letter}{start}:{col_letter}{end}"))

# 将合并区域提交到 sheet
sheet.merged_cells.ranges.update(merged_cells)

效果和好处

  1. 性能提升：

    • 原先逐个调用merge_cells的 O(n) 操作优化为一次性的批量提交，大幅降低了多次校验和模型重建的开销。
    • 对于大规模合并区域操作，代码执行时间从以分钟计降至几秒。

  2. 保持表格内容不变：

    • 使用CellRange可以生成与手动调用merge_cells完全一致的合并效果，不会改变最终表格结构。

  3. 可扩展性：

    • 此优化逻辑可以通用于记录大量单元格合并需求的场景，例如以数据驱动的动态表格生成。

场景适用性

  • 适用于任何需要大规模进行单元格合并的场景。
  • 优化主要针对openpyxl中因多次调用merge_cells导致性能问题的情况，而不会影响表格的最终呈现效果。