在影刀RPA里做电商采集，Excel是绕不开的环节。所有采集到的数据要写到Excel里，要处理的关键词列表要从Excel里读，甚至多店铺的对账也要靠Excel汇总。可以说，Excel用不好，自动化流程就废了一半。
这篇文章从最基础的读取写入开始，到进阶的批量处理技巧和常见陷阱，全部用实战场景来拆解。非技术出身完全能跟上，保证你看完就能上手操作。
指令面板中的三个核心Excel指令
影刀RPA的Excel操作集中在“Excel”指令分类下。从新手到进阶，掌握这三个核心指令就能覆盖90%的工作场景。
指令一：打开Excel（或绑定Excel）
所有Excel操作的第一步。有两种打开方式：
方式A：新建Excel
- 在指令面板搜索“新建Excel”，指定一个保存路径
- 适合从零开始写入数据的场景，比如采集完成后的数据导出
方式B：打开已有Excel
- 在指令面板搜索“打开Excel”，选择文件路径
- 适合读取已有数据的场景，比如从关键词列表里读词
配置要点：
- “是否可见”选项：建议勾选“不可见”。流程运行时不弹出Excel窗口，运行更快，也不会因为误触导致操作中断
- “自动保存”选项：建议开启，防止流程意外中断导致数据丢失
结束后的操作：流程结束时务必使用“关闭Excel”指令释放资源。如果不关，下次再打开同一个文件时会提示“文件被占用”。
指令二：读取Excel数据
读取数据有三种常用方式：
方式A：读取单元格
- 指定行号和列号，取单个单元格的值
- 场景：读取特定的配置参数，比如读取A1单元格的“最大采集页数”
方式B：读取行数据
- 指定行号，返回该行所有列的数据（列表形式）
- 场景：遍历数据表时逐行处理
方式C：读取所有数据
- 返回整个表格的数据（二维列表），配合“循环遍历”逐行处理
- 场景：批量处理关键词列表、账号列表
实操示例：读取关键词列表
1. 打开Excel（路径：D:\关键词库.xlsx）
2. 获取表格总行数（用“获取Excel行数”指令）
3. 读取A列所有关键词 → 存入列表变量 keywords
4. 关闭Excel
5. 循环遍历 keywords 列表，逐个执行搜索采集
容易踩的坑：读取到的数据默认是字符串类型。如果读取的是数字（比如价格、数量），一定要用“转换为数字”指令处理后再参与计算，否则会出现“1+1=11”这种字符串拼接的情况。
指令三：写入Excel数据
写入数据也有三种方式：
方式A：写入单元格
- 指定行号、列号，写入单个值
- 场景：更新某个特定的配置或状态值
方式B：写入行数据
- 指定行号，一次性写入整行数据（列表形式）
- 场景：每条采集结果写入一行
方式C：写入所有数据（覆盖式）
- 一次性把整个二维列表写入表格，覆盖原有内容
- 场景：生成完整的报表
我常用的写入模式：先攒后写
不建议采集一条就写入一条，这样会频繁操作Excel文件，影响性能。我习惯这样做：
1. 在流程开始前初始化一个空列表 data_list = []
2. 在循环采集过程中，每采集到一条数据，用“添加元素到列表”指令追加到 data_list
3. 循环结束后，用“写入所有数据”指令一次性把 data_list 写入Excel
这种模式的优势：
- Excel只操作一次，性能高
- 数据在内存中处理速度快
- 方便在写入前做数据清洗和去重
四种遍历方式的对比与选型
在处理Excel数据时，不同的遍历方式适用于不同的场景：
方式一：行遍历（最常用）
场景：每一行是一条独立的记录（如商品数据、关键词列表）
循环（行号从1到总行数）：
1. 读取第N行所有列 → 存入行数据列表
2. 提取第1列（商品ID）、第2列（商品名称）...
3. 执行相应的业务操作
注意：如果第1行是表头，循环要从第2行开始。
方式二：列遍历
场景：某一列是一组需要处理的参数（如关键词列表在A列）
循环（行号从1到总行数）：
1. 读取第N行第A列 → 得到关键词
2. 用该关键词执行搜索采集
方式三：动态行列遍历
场景：不确定表格的行数和列数
1. 用“获取Excel行数”获取总行数
2. 用“获取Excel列数”获取总列数
3. 双层循环：外层行，内层列
- 读取每个单元格的值进行处理
方式四：条件过滤遍历
场景：只处理符合条件的行（如“状态”列=“待处理”）
1. 读取所有数据 → 存入二维列表
2. 遍历每一行：
a. 检查第5列（状态列）是否等于“待处理”
b. 如果是，则处理该行
c. 如果否，跳过
大数据量处理的两个优化技巧
技巧一：分批写入避免内存溢出
如果采集数据超过1万行，一次性“写入所有数据”可能会导致影刀卡顿或内存溢出。解决方案是分批写入：
1. 初始化临时列表 temp_list = []
2. 每采集100条数据：
a. 将temp_list追加到主数据列表
b. 清空temp_list
3. 循环结束后，将主数据列表一次性写入Excel
技巧二：多表协同处理
有时候需要同时操作多个Excel文件——从A文件读取关键词，从B文件读取账号信息，采集结果写入C文件。
影刀支持同时打开多个Excel文件，但要注意：每个打开的Excel都要用独立的Excel对象变量来区分。我一般这样命名：
excel_关键词库：存放关键词excel_账号池：存放账号信息excel_采集结果：写入最终数据
影刀中调用Python进行高级数据清洗
当Excel数据量很大或者清洗逻辑比较复杂时（比如正则匹配、日期格式转换），建议用Python指令来处理。
# Python指令：Excel数据去重与清洗
# 输入：从Excel读取的原始数据列表（二维列表）
# 输出：清洗后的数据列表（二维列表）
import pandas as pd
def clean_excel_data(raw_data):
"""
清洗Excel数据
1. 去除空行
2. 按第1列（商品ID）去重
3. 价格列转为数字格式
4. 日期列标准化
"""
if not raw_data:
return []
# 转为DataFrame处理（需要先安装pandas）
# 注意：列表第一行可能包含表头
df = pd.DataFrame(raw_data[1:], columns=raw_data[0])
# 删除所有列都为空的空行
df = df.dropna(how='all')
# 按第1列去重，保留第一次出现的记录
df = df.drop_duplicates(subset=[df.columns[0]], keep='first')
# 价格列清洗：移除¥符号，转为数字
if '价格' in df.columns:
df['价格'] = df['价格'].astype(str).str.replace(r'[¥￥,]', '', regex=True)
df['价格'] = pd.to_numeric(df['价格'], errors='coerce')
# 转回列表格式，方便写入Excel
cleaned_data = [df.columns.tolist()] + df.values.tolist()
return cleaned_data
在影刀中使用Python指令的步骤：
- 在指令面板搜索“运行Python代码”
- 在代码框中输入上述清洗函数
- 定义输入变量（从Excel读取的数据）和输出变量（清洗后的数据）
- 确认Python图标已点亮（指令详情面板右上角）
常见问题速查表
| 现象 | 原因 | 快速修复 |
|---|---|---|
| Excel打开失败报“文件被占用” | 上次流程未正确关闭Excel | 手动关闭Excel文件，或重启电脑 |
| 读取到的数字无法计算 | 数据类型是字符串 | 用“转换为数字”指令处理 |
| 写入数据时覆盖了原有内容 | 误用了“写入所有数据” | 改用“写入行数据”追加写入 |
| 数据量大时流程变慢 | 频繁操作Excel | 改为先攒数据，最后一次写入 |
| 读取中文内容乱码 | Excel文件编码问题 | 另存为“UTF-8编码”的CSV文件 |
| 表格有合并单元格导致读取异常 | 合并单元格干扰 | 先取消合并，或通过“查找表格区域”获取实际数据范围 |
推荐资源
- 影刀官方-Excel自动化课程：在影刀学习中心有完整的Excel操作教学视频，从基础到进阶，建议按顺序看一遍。
- Excel插件-方方格子：如果你经常需要在Excel中手动处理数据，这个插件可以帮很多忙（数据清洗、合并拆分）。虽然影刀能自动化大部分，但有些临时性的数据整理用插件更快。
- 社区版限制提醒：如果采集数据量很大（如每天上万条），建议使用Excel的
.xlsx格式而非.xls，xlsx支持更大的行数（104万行），xls只有65536行。
#影刀RPA #RPA自动化 #Excel自动化 #数据处理 #批量采集 #电商数据采集
作者：林焱
本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。