用 Python 做 Excel、Word、PPT 办公自动化最值得先想清楚的一点是它不解决所有办公问题但非常擅长解决“固定模板 固定步骤 重复执行”这一类问题。比如月底合并十几个门店表格、按同一模板批量生成合同或周报、把一个统计表变成 PPT 汇报页。这些任务单次做完不算慢但每月、每周反复做就容易出错、容易加班。把规则写成脚本之后人工只需要确认输入文件对不对、参数改没改、输出结果有没有问题剩下的事交给程序跑。要注意这类自动化并不是高端编程技巧。用到的通常是 openpyxl、python-docx、python-pptx 这几个基础库函数就那几个难的是在不同输入文件之间保持数据规则一致。下面按实际落地顺序拆一遍从环境准备到 Excel、Word、PPT 三个场景依次展开最后补充批量任务和排查经验。你在电脑上照着敲是能复现的。1. 先判断你的场景适不适合用 Python 办公自动化1.1 适合做的三类任务特征先别急着装环境先判断手里的活是不是“可程序化”。我见过不少朋友学了一堆库函数回来后发现工作场景根本用不上原因不是代码没写对而是没找到稳定的自动化对象。适合转成 Python 脚本的任务通常有三个特征输入文件格式固定比如固定从某个目录读取 Excel且表头结构没有太大变化。处理规则清楚比如按城市汇总销售额、按模板替换人员姓名、按部门拆分明细。输出结果需要重复生成比如周报、月报、批量通知。反过来的情况要慎重。如果每个表格的列位置都不一样每份 Word 的排版结构都不同或者 PPT 每一页都要人工设计版式这类场景更适合先用人工处理而不是硬写成脚本。脚本一旦处理不了异常结构反而会产出错误结果比人工更费事。1.2 Excel、Word、PPT 三类任务的优先级建议如果从零开始我建议先做 Excel再做 Word最后做 PPT。原因是办公场景里 Excel 往往是数据源头很多 Word、PPT 内容都来自表格统计结果。先把 Excel 合并和清洗写好等于先解决了数据一致性问题后面做 Word、PPT 时输入数据就是准的。Word 自动化的重点在“模板”。很多合同、通知、技术方案都有固定格式真正变化的是姓名、日期、金额、项目名称这些字段。把模板梳理好让程序只在指定位置替换字段比直接让脚本从空白文档生成整篇内容更可控。PPT 自动化的重点在“数据上版”。很多汇报不是要脚本设计多好看的版式而是要把表格数据快速生成成多页文字页、图表页或明细页。能用 Python 处理的是“数据到页面的搬运”版式审美还是模板和人工的活。2. 环境准备两条命令跑通第一个样例2.1 Python 环境与依赖库安装这部分难度不高但值得认真做一遍。如果电脑已经是 Windows 10 或 Windows 11建议确认一下命令行里的 Python 版本。可以先打开命令行输入python --version能输出Python 3.x就往继续走。接着安装三个核心库pip install openpyxl python-docx python-pptx如果电脑里同时存在 Python 2 和 Python 3建议用更明确的方式python3 -m pip install openpyxl python-docx python-pptx要点是让安装动作指向当前真正使用的解释器避免出现“命令行里能 import代码却报 ModuleNotFoundError”的情况。如果是在公司电脑生产环境安装更稳妥的做法是先用虚拟环境避免依赖污染现有办公软件环境如果是自己练习当前步骤直接安装也够用。2.2 用最小样例验证依赖环境先不要碰复杂任务跑一个最小样例。import openpyxl import docx import pptx print(openpyxl, openpyxl.__version__) print(python-docx, docx.__version__ if hasattr(docx, __version__) else ok) print(python-pptx, pptx.__version__)能正常输出版本号基本说明依赖可用。如果不能 import先确认 pip 安装到底装到了哪个 Python再看命令行是否开在新环境。2.3 把第一个 Excel 读取样例跑通import openpyxl wb openpyxl.load_workbook(示例数据.xlsx) ws wb.active for row in ws.iter_rows(min_row1, max_row5, max_col4, values_onlyTrue): print(row)只要准备好一个 Excel 文件放在同一目录这段代码就能读出前 5 行前 4 列的数据。这里建议先把这一小步跑到通再继续。很多后续报错并不是逻辑问题而是文件路径不对、文件格式不支持或者依赖没装好最小样例能把这些基础问题先隔离掉。注意openpyxl 处理的是.xlsx结尾的新版 Excel 文件旧版.xls文件不是它的直接处理对象需要先另存为.xlsx或走 pandas 搭配 xlrd 的方式。3. Excel 自动化从多表合并到批量统计3.1 典型场景多门店 Excel 合并最常见的 Excel 自动化任务就是多文件合并。比如你负责收集 12 家门店的销售明细每个文件列结构相同都要合并成一个总表然后按产品类别做汇总。手工做法是复制粘贴 12 次一旦某个文件多了一行后面所有数据都会错位。用脚本处理时核心逻辑就三步读取每个文件、校验列结构、统一输出。下面是一段能直接改路径使用的合并脚本我建议先用一两个文件测再跑全量。import glob import pandas as pd files glob.glob(data/*.xlsx) frames [] for file in files: df pd.read_excel(file, engineopenpyxl) df[来源文件] file frames.append(df) result pd.concat(frames, ignore_indexTrue) print(合并前文件数:, len(files)) print(合并后行数:, result.shape) print(列名:, list(result.columns)) result.to_excel(合并结果.xlsx, indexFalse)这段代码会把名为 data 目录下所有.xlsx文件读进来加上一列“来源文件”方便回溯最后输出成一个 Excel。这里建议先看 result.shape 的行数是否等于所有输入文件行数相加列名是否一致再生成最终文件。3.2 多表合并时的常见翻车点合并报错不一定是代码逻辑问题下面几个原因优先级更高某个文件不是真正的表格可能是一个带图片的清单或者只是被改成了.xlsx后缀。不同文件的表头大小写或空格不一致“门店”和“门店 ”会被识别成不同列。某个文件里有多余的合计行导致合并后总金额被重复汇总。某个单元格是文本型数字参与计算前没转换类型。我的经验是合并前先不用写检查逻辑先跑一次输出每个文件的行列数再对比源文件人工抽检。出现异常文件时直接修改源文件比在代码里写一堆兼容判断更稳。办公自动化的价值是处理有规则的工作不是替脏乱数据擦屁股。3.3 生成分类汇总表的参数思路如果只是合并价值还不太明显。更常见的是合并后按部门、按产品、按周统计。这里可以继续用 pandas 的 groupby。summary result.groupby([产品类别], as_indexFalse)[销售金额].sum() summary summary.sort_values(销售金额, ascendingFalse) summary.to_excel(分类汇总.xlsx, indexFalse)groupby 的字段名必须和表格实际列名一致。如果列名带空格、特殊字符或全角符号建议在读取后先统一改名避免后面每个函数都要带别扭的列名。如果文件数量不多用 openpyxl 也够如果文件数量大或单表行数多pandas 在内存处理和代码简洁度上更有优势。4. Word 自动化用模板批量生成周报和合同4.1 先做模板再写代码Word 自动化千万别一上来就写从头创建文档的代码。实践中更可控的方案是先用 Word 软件做好一份模板把需要替换的位置用占位符标出来再用 python-docx 去替换。占位符尽量写成不容易和正文冲突的格式例如{{姓名}}、{{项目编号}}。如果只替换姓名写普通文本容易误伤正文里姓名字样。推荐统一用花括号包一层。模板准备工作建议拆三步打开一份正常的 Word 文档另存为“模板-周报.docx”这一步是为了保证后续读取的格式正常。把要变化的文字改成占位符。检查模板中是否存在分节符、页眉页脚、带目录的域代码等情况先决定这些内容是否需要替换。4.2 最稳妥的占位符替换方式功能实现很简单from docx import Document doc Document(模板-周报.docx) for paragraph in doc.paragraphs: for run in paragraph.runs: if {{姓名}} in run.text: run.text run.text.replace({{姓名}}, 张三) doc.save(周报-张三.docx)这里不直接用paragraph.text paragraph.text.replace(...)而是一段一段遍历一个 run 换。原因很简单直接给 paragraph.text 赋值会丢掉原来 run 里的字体、字号、颜色和加粗格式。逐 run 替换才能在保留格式的前提下更新文字。如果发现占位符跨了多个 run比如 Word 自动拆段导致{{在一个 run、姓名}}在另一个 run这段代码就换不干净。这类情况更稳妥的补救方法是合并相关 run 或改用 Document 的段落复制方案。业务量小的时候最省事的办法是在 Word 里把占位符重新录入一遍让它保持在一个 run 里。4.3 表格里的批量写入周报往往不只是几段文字还包含表格。Python-docx 读写表格的思路和段落不一样它把每个文档对象里的表格放在doc.tables里。table doc.tables[0] # 取文档中的第一个表格 row_count len(table.rows) col_count len(table.columns) for row in range(row_count): cell table.cell(row, 1) if cell.text.strip() {{本周完成}}: cell.text 完成数据看板开发往cell.text赋值通常会丢失原来的字体格式所以如果表格里各列样式已经调好建议先读取空模板里该单元格的字体信息或者只在需要变更的单元格写入再统一检查样式。Word 批量生成最容易遇到的一个问题是文件正在被 Word 打开。Windows 系统下如果输出文件已经打开保存就会报 PermissionError。脚本里可以先把输出文件放到单独目录并习惯在代码开头删除同名旧文件或者每次生成文件名带上时间戳。from datetime import datetime name f周报-{datetime.now():%Y%m%d%H%M}.docx doc.save(name)带时间戳的好处很明显不会覆盖旧文件方便回溯版本也不会因为文件被占用而中断。5. PPT 自动化把数据批量生成到汇报页5.1 先明确 python-pptx 的能力边界python-pptx 能直接操作.pptx文件可以新建演示文稿、添加幻灯片、插入文本框、图片、表格并设置基础样式。它不能像人一样从头设计好看的版式。所以做 PPT 自动化时我的建议是先用 PowerPoint 做一页目标模板再让脚本基于模板页去复制和填充数据。python-pptx 可以读取现有模板文件复制你已经画好的版式。需要先熟悉几个概念slide_layout幻灯片版式。placeholder占位符。shapes页面里所有形状对象的集合。text_frame文本框的内容承载对象。5.2 从新建一页带文本的幻灯片开始先跑通最小生成逻辑from pptx import Presentation from pptx.util import Inches prs Presentation() blank_layout prs.slide_layouts[6] # 默认模板中第 7 个通常是空白版式 slide prs.slides.add_slide(blank_layout) left Inches(0.5) top Inches(0.5) width Inches(9) height Inches(1.5) box slide.shapes.add_textbox(left, top, width, height) box.text 月度销售数据汇报 box.text_frame.paragraphs[0].font.size Inches(0.35) prs.save(月度汇报-示例.pptx)这段代码生成的是一个最简 PPT 文件里面只有一页和一个标题文本框。先确认这一页能正常打开再考虑批量循环。这里容易踩的坑是文本框高度设置。Python-pptx 设置的是对象框尺寸不等于文字会自动撑满。如果你的文本很长建议提前切分到多页或在模板中预留足够大的文本框。5.3 多页汇报的批量做法假设你已经从 Excel 汇总表里得到了一份包含各门店月份和销售额的数据想生成每页一个门店、标题是门店名、内容包含销售额的 PPT。核心逻辑是循环读取 DataFrame 的每一行在循环里添加一张幻灯片。from pptx import Presentation from pptx.util import Inches prs Presentation(汇报模板.pptx) blank_layout prs.slide_layouts[6] for index, row in summary_df.iterrows(): slide prs.slides.add_slide(blank_layout) title_box slide.shapes.add_textbox(Inches(0.5), Inches(0.3), Inches(9), Inches(1)) title_box.text f{row[门店]} 月度汇报 content_box slide.shapes.add_textbox(Inches(0.5), Inches(1.5), Inches(9), Inches(3)) content_box.text f销售金额{row[销售金额]}\n完成率{row[完成率]} prs.save(门店汇报-批量生成.pptx)实际跑之前有一件事必须先做先打印 summary_df 的行数和字段值。如果 DataFrame 空了一行程序可能不会报错但你会得到一页空白标题页。加入空值判断更稳妥if pd.isna(row[门店]): continue批量生成的 PPT 要注意每页内容是否溢出。PPT 不像 Excel 会自动报错文本超出文本框边界时可能显示不全只是肉眼可见地难看。统一检查一次输出文件翻一翻首尾页再决定是否调整字号和文本框位置。6. 批量落地的几个关键注意事项和排查顺序6.1 常见报错的优先级排查办公自动化脚本一旦跑不起来大多数情况不是“自动化库不行”而是环境层或输入层出了问题。我一般按这个顺序排查看命令行报错信息是不是 ModuleNotFoundError、PermissionError、FileNotFoundError。确认文件路径相对路径写错是最高频错误。用全路径或先打印当前所在目录。确认文件扩展名.xls、.doc、.ppt和.xlsx、.docx、.pptx不是同一类文件python 侧的处理库并不通用。确认文件没有被打开Word、Excel 正在打开时保存脚本输出文件经常会出现权限错误。确认列名完全一致特别是 Excel 里有空格、换行、隐藏列时代码里写死列名最容易失败。确认依赖库版本有些老代码基于旧版 pandas新版接口发生变化建议安装后 print 版本号。如果脚本中途卡住优先看是不是数据量过大或某个文件格式异常导致读取卡死而不是立刻调并发。6.2 先小样本再批量的执行原则我强烈建议不要第一次就把整个目录几百个文件扔进去跑。批量任务第一步应该只复制两个文件到测试目录跑通后检查输出文件确认规则正确。小样本验证通过后再跑全量这样能大幅减少“跑了一小时最后发现某个字段名写错”的浪费。全量跑的时候给输出文件命名带上业务含义别用 vague 的“结果 1”“结果 2”。建议用门店名_统计月.xlsx这样的命名方式方便回溯是哪个输入文件出了问题。如果每天或每周都要跑可以单独建一个任务目录按日期归档输入和输出project/ input/20260115/ output/20260115/ scripts/这样即使某天输出结果有问题也能快速找到当天输入不需要在一堆文件名里猜。6.3 对自动化结果保持人工抽检意识办公自动化不是为了省掉人工确认而是把重复劳动转移到代码里最终结果依然要人来看一眼。对 Excel 合并结果至少检查总行数和关键金额相加是否一致。对 Word 输出文档要抽查替换后有没有残留占位符。对 PPT 要检查页数和文本溢出。结论一句话安全做法是把脚本当成一个高效的助理而不是一个不需要审核的机器人。把这几轮跑熟之后你会发现 Python 办公自动化的核心不在于你会多少个函数而在于你愿不愿意先花十分钟把任务拆成“输入、规则、输出”三段。真正做到这一点Excel、Word、PPT 的多数重复工作是可以逐步交给脚本的。
Python办公自动化：Excel合并、Word模板替换、PPT批量生成实战
用 Python 做 Excel、Word、PPT 办公自动化最值得先想清楚的一点是它不解决所有办公问题但非常擅长解决“固定模板 固定步骤 重复执行”这一类问题。比如月底合并十几个门店表格、按同一模板批量生成合同或周报、把一个统计表变成 PPT 汇报页。这些任务单次做完不算慢但每月、每周反复做就容易出错、容易加班。把规则写成脚本之后人工只需要确认输入文件对不对、参数改没改、输出结果有没有问题剩下的事交给程序跑。要注意这类自动化并不是高端编程技巧。用到的通常是 openpyxl、python-docx、python-pptx 这几个基础库函数就那几个难的是在不同输入文件之间保持数据规则一致。下面按实际落地顺序拆一遍从环境准备到 Excel、Word、PPT 三个场景依次展开最后补充批量任务和排查经验。你在电脑上照着敲是能复现的。1. 先判断你的场景适不适合用 Python 办公自动化1.1 适合做的三类任务特征先别急着装环境先判断手里的活是不是“可程序化”。我见过不少朋友学了一堆库函数回来后发现工作场景根本用不上原因不是代码没写对而是没找到稳定的自动化对象。适合转成 Python 脚本的任务通常有三个特征输入文件格式固定比如固定从某个目录读取 Excel且表头结构没有太大变化。处理规则清楚比如按城市汇总销售额、按模板替换人员姓名、按部门拆分明细。输出结果需要重复生成比如周报、月报、批量通知。反过来的情况要慎重。如果每个表格的列位置都不一样每份 Word 的排版结构都不同或者 PPT 每一页都要人工设计版式这类场景更适合先用人工处理而不是硬写成脚本。脚本一旦处理不了异常结构反而会产出错误结果比人工更费事。1.2 Excel、Word、PPT 三类任务的优先级建议如果从零开始我建议先做 Excel再做 Word最后做 PPT。原因是办公场景里 Excel 往往是数据源头很多 Word、PPT 内容都来自表格统计结果。先把 Excel 合并和清洗写好等于先解决了数据一致性问题后面做 Word、PPT 时输入数据就是准的。Word 自动化的重点在“模板”。很多合同、通知、技术方案都有固定格式真正变化的是姓名、日期、金额、项目名称这些字段。把模板梳理好让程序只在指定位置替换字段比直接让脚本从空白文档生成整篇内容更可控。PPT 自动化的重点在“数据上版”。很多汇报不是要脚本设计多好看的版式而是要把表格数据快速生成成多页文字页、图表页或明细页。能用 Python 处理的是“数据到页面的搬运”版式审美还是模板和人工的活。2. 环境准备两条命令跑通第一个样例2.1 Python 环境与依赖库安装这部分难度不高但值得认真做一遍。如果电脑已经是 Windows 10 或 Windows 11建议确认一下命令行里的 Python 版本。可以先打开命令行输入python --version能输出Python 3.x就往继续走。接着安装三个核心库pip install openpyxl python-docx python-pptx如果电脑里同时存在 Python 2 和 Python 3建议用更明确的方式python3 -m pip install openpyxl python-docx python-pptx要点是让安装动作指向当前真正使用的解释器避免出现“命令行里能 import代码却报 ModuleNotFoundError”的情况。如果是在公司电脑生产环境安装更稳妥的做法是先用虚拟环境避免依赖污染现有办公软件环境如果是自己练习当前步骤直接安装也够用。2.2 用最小样例验证依赖环境先不要碰复杂任务跑一个最小样例。import openpyxl import docx import pptx print(openpyxl, openpyxl.__version__) print(python-docx, docx.__version__ if hasattr(docx, __version__) else ok) print(python-pptx, pptx.__version__)能正常输出版本号基本说明依赖可用。如果不能 import先确认 pip 安装到底装到了哪个 Python再看命令行是否开在新环境。2.3 把第一个 Excel 读取样例跑通import openpyxl wb openpyxl.load_workbook(示例数据.xlsx) ws wb.active for row in ws.iter_rows(min_row1, max_row5, max_col4, values_onlyTrue): print(row)只要准备好一个 Excel 文件放在同一目录这段代码就能读出前 5 行前 4 列的数据。这里建议先把这一小步跑到通再继续。很多后续报错并不是逻辑问题而是文件路径不对、文件格式不支持或者依赖没装好最小样例能把这些基础问题先隔离掉。注意openpyxl 处理的是.xlsx结尾的新版 Excel 文件旧版.xls文件不是它的直接处理对象需要先另存为.xlsx或走 pandas 搭配 xlrd 的方式。3. Excel 自动化从多表合并到批量统计3.1 典型场景多门店 Excel 合并最常见的 Excel 自动化任务就是多文件合并。比如你负责收集 12 家门店的销售明细每个文件列结构相同都要合并成一个总表然后按产品类别做汇总。手工做法是复制粘贴 12 次一旦某个文件多了一行后面所有数据都会错位。用脚本处理时核心逻辑就三步读取每个文件、校验列结构、统一输出。下面是一段能直接改路径使用的合并脚本我建议先用一两个文件测再跑全量。import glob import pandas as pd files glob.glob(data/*.xlsx) frames [] for file in files: df pd.read_excel(file, engineopenpyxl) df[来源文件] file frames.append(df) result pd.concat(frames, ignore_indexTrue) print(合并前文件数:, len(files)) print(合并后行数:, result.shape) print(列名:, list(result.columns)) result.to_excel(合并结果.xlsx, indexFalse)这段代码会把名为 data 目录下所有.xlsx文件读进来加上一列“来源文件”方便回溯最后输出成一个 Excel。这里建议先看 result.shape 的行数是否等于所有输入文件行数相加列名是否一致再生成最终文件。3.2 多表合并时的常见翻车点合并报错不一定是代码逻辑问题下面几个原因优先级更高某个文件不是真正的表格可能是一个带图片的清单或者只是被改成了.xlsx后缀。不同文件的表头大小写或空格不一致“门店”和“门店 ”会被识别成不同列。某个文件里有多余的合计行导致合并后总金额被重复汇总。某个单元格是文本型数字参与计算前没转换类型。我的经验是合并前先不用写检查逻辑先跑一次输出每个文件的行列数再对比源文件人工抽检。出现异常文件时直接修改源文件比在代码里写一堆兼容判断更稳。办公自动化的价值是处理有规则的工作不是替脏乱数据擦屁股。3.3 生成分类汇总表的参数思路如果只是合并价值还不太明显。更常见的是合并后按部门、按产品、按周统计。这里可以继续用 pandas 的 groupby。summary result.groupby([产品类别], as_indexFalse)[销售金额].sum() summary summary.sort_values(销售金额, ascendingFalse) summary.to_excel(分类汇总.xlsx, indexFalse)groupby 的字段名必须和表格实际列名一致。如果列名带空格、特殊字符或全角符号建议在读取后先统一改名避免后面每个函数都要带别扭的列名。如果文件数量不多用 openpyxl 也够如果文件数量大或单表行数多pandas 在内存处理和代码简洁度上更有优势。4. Word 自动化用模板批量生成周报和合同4.1 先做模板再写代码Word 自动化千万别一上来就写从头创建文档的代码。实践中更可控的方案是先用 Word 软件做好一份模板把需要替换的位置用占位符标出来再用 python-docx 去替换。占位符尽量写成不容易和正文冲突的格式例如{{姓名}}、{{项目编号}}。如果只替换姓名写普通文本容易误伤正文里姓名字样。推荐统一用花括号包一层。模板准备工作建议拆三步打开一份正常的 Word 文档另存为“模板-周报.docx”这一步是为了保证后续读取的格式正常。把要变化的文字改成占位符。检查模板中是否存在分节符、页眉页脚、带目录的域代码等情况先决定这些内容是否需要替换。4.2 最稳妥的占位符替换方式功能实现很简单from docx import Document doc Document(模板-周报.docx) for paragraph in doc.paragraphs: for run in paragraph.runs: if {{姓名}} in run.text: run.text run.text.replace({{姓名}}, 张三) doc.save(周报-张三.docx)这里不直接用paragraph.text paragraph.text.replace(...)而是一段一段遍历一个 run 换。原因很简单直接给 paragraph.text 赋值会丢掉原来 run 里的字体、字号、颜色和加粗格式。逐 run 替换才能在保留格式的前提下更新文字。如果发现占位符跨了多个 run比如 Word 自动拆段导致{{在一个 run、姓名}}在另一个 run这段代码就换不干净。这类情况更稳妥的补救方法是合并相关 run 或改用 Document 的段落复制方案。业务量小的时候最省事的办法是在 Word 里把占位符重新录入一遍让它保持在一个 run 里。4.3 表格里的批量写入周报往往不只是几段文字还包含表格。Python-docx 读写表格的思路和段落不一样它把每个文档对象里的表格放在doc.tables里。table doc.tables[0] # 取文档中的第一个表格 row_count len(table.rows) col_count len(table.columns) for row in range(row_count): cell table.cell(row, 1) if cell.text.strip() {{本周完成}}: cell.text 完成数据看板开发往cell.text赋值通常会丢失原来的字体格式所以如果表格里各列样式已经调好建议先读取空模板里该单元格的字体信息或者只在需要变更的单元格写入再统一检查样式。Word 批量生成最容易遇到的一个问题是文件正在被 Word 打开。Windows 系统下如果输出文件已经打开保存就会报 PermissionError。脚本里可以先把输出文件放到单独目录并习惯在代码开头删除同名旧文件或者每次生成文件名带上时间戳。from datetime import datetime name f周报-{datetime.now():%Y%m%d%H%M}.docx doc.save(name)带时间戳的好处很明显不会覆盖旧文件方便回溯版本也不会因为文件被占用而中断。5. PPT 自动化把数据批量生成到汇报页5.1 先明确 python-pptx 的能力边界python-pptx 能直接操作.pptx文件可以新建演示文稿、添加幻灯片、插入文本框、图片、表格并设置基础样式。它不能像人一样从头设计好看的版式。所以做 PPT 自动化时我的建议是先用 PowerPoint 做一页目标模板再让脚本基于模板页去复制和填充数据。python-pptx 可以读取现有模板文件复制你已经画好的版式。需要先熟悉几个概念slide_layout幻灯片版式。placeholder占位符。shapes页面里所有形状对象的集合。text_frame文本框的内容承载对象。5.2 从新建一页带文本的幻灯片开始先跑通最小生成逻辑from pptx import Presentation from pptx.util import Inches prs Presentation() blank_layout prs.slide_layouts[6] # 默认模板中第 7 个通常是空白版式 slide prs.slides.add_slide(blank_layout) left Inches(0.5) top Inches(0.5) width Inches(9) height Inches(1.5) box slide.shapes.add_textbox(left, top, width, height) box.text 月度销售数据汇报 box.text_frame.paragraphs[0].font.size Inches(0.35) prs.save(月度汇报-示例.pptx)这段代码生成的是一个最简 PPT 文件里面只有一页和一个标题文本框。先确认这一页能正常打开再考虑批量循环。这里容易踩的坑是文本框高度设置。Python-pptx 设置的是对象框尺寸不等于文字会自动撑满。如果你的文本很长建议提前切分到多页或在模板中预留足够大的文本框。5.3 多页汇报的批量做法假设你已经从 Excel 汇总表里得到了一份包含各门店月份和销售额的数据想生成每页一个门店、标题是门店名、内容包含销售额的 PPT。核心逻辑是循环读取 DataFrame 的每一行在循环里添加一张幻灯片。from pptx import Presentation from pptx.util import Inches prs Presentation(汇报模板.pptx) blank_layout prs.slide_layouts[6] for index, row in summary_df.iterrows(): slide prs.slides.add_slide(blank_layout) title_box slide.shapes.add_textbox(Inches(0.5), Inches(0.3), Inches(9), Inches(1)) title_box.text f{row[门店]} 月度汇报 content_box slide.shapes.add_textbox(Inches(0.5), Inches(1.5), Inches(9), Inches(3)) content_box.text f销售金额{row[销售金额]}\n完成率{row[完成率]} prs.save(门店汇报-批量生成.pptx)实际跑之前有一件事必须先做先打印 summary_df 的行数和字段值。如果 DataFrame 空了一行程序可能不会报错但你会得到一页空白标题页。加入空值判断更稳妥if pd.isna(row[门店]): continue批量生成的 PPT 要注意每页内容是否溢出。PPT 不像 Excel 会自动报错文本超出文本框边界时可能显示不全只是肉眼可见地难看。统一检查一次输出文件翻一翻首尾页再决定是否调整字号和文本框位置。6. 批量落地的几个关键注意事项和排查顺序6.1 常见报错的优先级排查办公自动化脚本一旦跑不起来大多数情况不是“自动化库不行”而是环境层或输入层出了问题。我一般按这个顺序排查看命令行报错信息是不是 ModuleNotFoundError、PermissionError、FileNotFoundError。确认文件路径相对路径写错是最高频错误。用全路径或先打印当前所在目录。确认文件扩展名.xls、.doc、.ppt和.xlsx、.docx、.pptx不是同一类文件python 侧的处理库并不通用。确认文件没有被打开Word、Excel 正在打开时保存脚本输出文件经常会出现权限错误。确认列名完全一致特别是 Excel 里有空格、换行、隐藏列时代码里写死列名最容易失败。确认依赖库版本有些老代码基于旧版 pandas新版接口发生变化建议安装后 print 版本号。如果脚本中途卡住优先看是不是数据量过大或某个文件格式异常导致读取卡死而不是立刻调并发。6.2 先小样本再批量的执行原则我强烈建议不要第一次就把整个目录几百个文件扔进去跑。批量任务第一步应该只复制两个文件到测试目录跑通后检查输出文件确认规则正确。小样本验证通过后再跑全量这样能大幅减少“跑了一小时最后发现某个字段名写错”的浪费。全量跑的时候给输出文件命名带上业务含义别用 vague 的“结果 1”“结果 2”。建议用门店名_统计月.xlsx这样的命名方式方便回溯是哪个输入文件出了问题。如果每天或每周都要跑可以单独建一个任务目录按日期归档输入和输出project/ input/20260115/ output/20260115/ scripts/这样即使某天输出结果有问题也能快速找到当天输入不需要在一堆文件名里猜。6.3 对自动化结果保持人工抽检意识办公自动化不是为了省掉人工确认而是把重复劳动转移到代码里最终结果依然要人来看一眼。对 Excel 合并结果至少检查总行数和关键金额相加是否一致。对 Word 输出文档要抽查替换后有没有残留占位符。对 PPT 要检查页数和文本溢出。结论一句话安全做法是把脚本当成一个高效的助理而不是一个不需要审核的机器人。把这几轮跑熟之后你会发现 Python 办公自动化的核心不在于你会多少个函数而在于你愿不愿意先花十分钟把任务拆成“输入、规则、输出”三段。真正做到这一点Excel、Word、PPT 的多数重复工作是可以逐步交给脚本的。