扩展 openpyxl 对 Excel 中自定义单元格格式的处理
背景
在用 openpyxl 读取 Excel 中的数据时，发现某些单元格读取到的是数字 44712，但打开 Excel 文件却显示的是时间：2022年6月2日
查看单元格格式会发现这个单元格属于自定义格式中的: yyyy"年"m"月"d"日"。这个可以理解，但为啥 openpyxl 读到的不是时间呢？
原因分析
通过查看 openpyxl 的源码，发现其在 openpyxl.styles.numbers.py 中定义了一组格式,如下
BUILTIN_FORMATS = {
0: 'General',
1: '0',
2: '0.00',
3: '#,##0',
4: '#,##0.00',
5: '"$"#,##0_);("$"#,##0)',
6: '"$"#,##0_);[Red]("$"#,##0)',
7: '"$"#,##0.00_);("$"#,##0.00)',
8: '"$"#,##0.00_);[Red]("$"#,##0.00)',
9: '0%',
10: '0.00%',
11: '0.00E+00',
12: '# ?/?',
13: '# ??/??',
14: 'mm-dd-yy',
15: 'd-mmm-yy',
16: 'd-mmm',
17: 'mmm-yy',
18: 'h:mm AM/PM',
19: 'h:mm:ss AM/PM',
20: 'h:mm',
21: 'h:mm:ss',
22: 'm/d/yy h:mm',
37: '#,##0_);(#,##0)',
38: '#,##0_);[Red](#,##0)',
39: '#,##0.00_);(#,##0.00)',
40: '#,##0.00_);[Red](#,##0.00)',
41: r'_(* #,##0_);_(* \(#,##0\);_(* "-"_);_(@_)',
42: r'_("$"* #,##0_);_("$"* \(#,##0\);_("$"* "-"_);_(@_)',
43: r'_(* #,##0.00_);_(* \(#,##0.00\);_(* "-"??_);_(@_)',
44: r'_("$"* #,##0.00_)_("$"* \(#,##0.00\)_("$"* "-"??_)_(@_)',
45: 'mm:ss',
46: '[h]:mm:ss',
47: 'mmss.0',
48: '##0.0E+0',
49: '@', }
其中并没有我们想要的 yyyy"年"m"月"d"日"。
然后通过查阅 Excel 的官方文档中关于 NumberingFormat Class 的解释发现 openpyxl 中定义的这些格式属于通用格式，是不区分语种的。
而我们想要找的这种格式，属于汉语中的特殊格式。对于这种特殊格式， Excel 中仅保存一个格式 ID ，但不保存具体格式的定义，格式的定义会随着所在国家发生变化。
解决方案
解决方案很简单，从文档中找到中文对应的格式 ID 和格式字符串的对应关系，然后采用 hook 的方式将其注入 openpyxl 模块中即可。
代码如下：（注意这些代码需要在导入 openpyxl 模块之前执行）
# 扩展openpyxl的数字格式
# 此处扩展的是中文格式
extra_formats = {
27: 'yyyy"年"m"月"',
28: 'm"月"d"日"',
29: 'm"月"d"日"',
30: "m-d-yy",
31: 'yyyy"年"m"月"d"日"',
32: 'h"时"mm"分"',
33: 'h"时"mm"分"ss"秒"',
34: '上午/下午h"时"mm"分"',
35: '上午/下午h"时"mm"分"ss"秒"',
36: 'yyyy"年"m"月"',
#
50: 'yyyy"年"m"月"',
51: 'm"月"d"日"',
52: 'yyyy"年"m"月"',
53: 'm"月"d"日"',
54: 'm"月"d"日"',
55: '上午/下午h"时"mm"分"',
56: '上午/下午h"时"mm"分"ss"秒"',
57: 'yyyy"年"m"月"',
58: 'm"月"d"日"',
}
from openpyxl.styles.numbers import BUILTIN_FORMATS
BUILTIN_FORMATS.update(extra_formats)
参考文档：
