# XLSX Clean Summary

> 读取现有 Excel/XLSX，把脏数据清理成可追溯明细和核对过的汇总工作簿。用户说清洗表格、合并月报、按部门汇总或修正混乱字段时使用。

- Skill: `luyu2026/xlsx-clean-summary` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx get-skill add luyu2026/xlsx-clean-summary`
- Raw SKILL.md: https://api.skillmd.com/api/skills/luyu2026/xlsx-clean-summary/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: luyu2026 (https://skillmd.com/u/luyu2026)
- Updated: 2026-11-12
- Page: https://skillmd.com/skills/luyu2026/xlsx-clean-summary

---


# Excel 清洗与核对汇总

## 一句话主餐

普通聊天容易只给公式；这里直接把用户的工作簿整理成能交付的明细、异常清单和汇总表。

## 输入

优先读取用户已经给出的材料，不要求为本 Skill 重新抄写。

- 源 XLSX、工作表名称与需要保留的公式或图表
- 汇总维度、金额单位、日期范围及业务主键
- 已知错误示例、重复记录处理口径、最终接收软件

没有去重主键时保留疑似重复并另列，不擅自删行；金额口径未确认则先按原单位分组。

输入识别要求：
- 保留原始材料和来源定位，生成文件默认另存。
- 区分真实用户材料、待确认项与明确模拟输入。
- 用户目标明确时直接制作；只有影响结果的歧义才提出具体问题。
- 一次只解决本轮目标，不顺手扩展为其他业务流程。

## 核心判断

- 格式差异和业务差异分开：空格可清理，客户别名不能自动认定同一主体。
- 订单号、手机号和编码按文本保留，前导零不能消失。
- 空值不是零；无法解析的金额进入异常表，不参与已核对总额。
- 退货负数保留；同号不同金额视为冲突而非重复。
- 公式文本与缓存值分开读取；写入公式不等于已经完成重算。
- 含宏、外部链接或复杂图表时先识别保真风险，另存副本并报告范围。

比较 openpyxl 单元格编辑与 pandas 表聚合：本轮默认新建结果簿，避免覆盖宏与图形；只有用户要求保留复杂对象且验证通过才编辑副本。
相邻 PDF 提取任务只复用来源定位机制；不能把 OCR 得到的数字直接当已核对金额。

### 容易误判的边界

- 同主键不同金额的整组记录均待确认，不能保留第一行就声称去重完成。
- 先为每行指定唯一主状态：有效、完全重复、冲突、字段异常；附加错误标签可以多个，统计主状态不能重复计数。
- 源数据行数必须等于四类主状态行数之和；有效总额仅来自有效行。
- 日期如 03/04/2026 无地区依据时保留原文并待确认；不得猜月日顺序。

## 编号工作流

### 1. 盘点工作簿

- 读取 sheet 名、使用区域、表头候选、隐藏行列和合并区域。
- 记录每个源表的行数、主键列、金额列及公式数量。
- 区分标题说明行与数据行，不能用整张表第一行直接当表头。
- 产出字段映射表，保留源文件、sheet 与原始行号。

### 2. 定义数据口径

- 按用户目标选主键、分组字段、时间字段和统计字段。
- 同名字段含义冲突时分列，不按名称强行拼接。
- 列出单位转换、日期解释与重复处理规则。
- 产出本次清洗规则，未确认项采用保守保留策略。

### 3. 清洗并隔离异常

- 统一可确认的空格、日期表示和数值格式。
- 使用 Decimal 或整数分处理金额，避免二进制误差。
- 身份证、编码不做数值化；金额中的千分位按地区解释。
- 无法解析的行进入异常表，并附原值与失败原因。

### 4. 去重与冲突处理

- 只按已确认的业务主键判断重复。
- 完全重复可折叠，记录保留行及被折叠行。
- 同主键不同内容进入冲突清单，不覆盖任一原值。
- 产出保留、重复、冲突三种行状态。

### 5. 生成汇总

- 从清洗明细生成部门、月份等指定维度的汇总。
- 将有效明细金额与汇总金额逐项勾稽。
- 显式区分原始行数、去重后行数及异常行数。
- 产出包含计数与金额的汇总表，不凭展示值再次求和。

### 6. 制作可交付工作簿

- 分别写入清洗明细、汇总、异常和规则说明工作表。
- 设置筛选、冻结表头、适当列宽与金额日期格式。
- 避免合并数据区单元格，不让颜色成为唯一状态标识。
- 如用公式，保留静态核对数并标注是否经计算引擎重算。

### 7. 重新打开核验

- 重新加载生成文件，检查 sheet、行数和关键单元格。
- 用独立聚合核对金额，抽查负数、空值、前导零。
- 检查公式是否仍为公式，源文件未被覆盖。
- 产出核验记录及无法保真的对象说明。

### 8. 交接异常复核

- 先交可用工作簿，再列影响结果的业务疑问。
- 用户只需确认冲突和异常，不必重新整理全部材料。
- 收到确认后仅重跑受影响的行与汇总。
- 完成条件为勾稽一致且未解决异常可单独定位。

## 直接交付与下一步

默认交付以下成果；按用户目标裁剪，不为凑齐数量生成无关附件。

- cleaned.xlsx：清洗明细、汇总、异常、规则四表
- 字段映射与修改计数，可回溯到原始行
- 金额勾稽结果及需要确认的冲突清单

交接规则：
- 先给可使用的成品入口，再说明仍影响使用的缺口。
- 核验必须写明执行了什么、结果如何、哪些能力没有执行。
- 本轮能完成的一次性交付到此结束，不附加通用调研作业。
- 需要继续时，只要求用户交回具体异常位置、确认口径或新材料。
- 复交后沿用已确认事实，检查本次修复及其影响的原有部分。

工具不可用时：

无 XLSX 写入库时交付 UTF-8 CSV 明细、汇总、异常和规则文本，逐个说明导入 Excel 的方法：数据→从文本/CSV→编码 UTF-8→订单号列设为文本。CSV 不承诺公式、样式或多表保真。

### 外部参考与延展

- 遇到公式缓存为空、复杂对象丢失或日期系统不一致时研究。
- 优先查 openpyxl 官方教程、Microsoft Excel 日期与公式文档；关键词 data_only、1900 1904 date system。
- 对比表格转换与工作簿编辑：前者方便聚合，后者更适合保留单元格语义。
- 观察公式缓存、宏保留、外部链接与对象保真边界，不只比较读写速度。
- 先在副本验证受影响对象，再把适用的转换接入步骤 3 或 6。
- 不能证明保真时交付新建工作簿与对象清单，保留源文件。

官方资料入口：[Excel 清洗与核对汇总相关资料](https://openpyxl.readthedocs.io/en/stable/tutorial.html)。
已有材料足够时直接交付；研究只围绕当前失败点，不重复搜集无关项目。
实际采用外部内容时保留必要许可与来源；仅比较机制不复制正文。

### 验收用例与演示

先读 [本批边界案例与可用交付](references/review-cases.md)，再读 [演示成品](demo.md) 可看到明确模拟输入、成品和下一步。
演示是固定案例的执行结果，不代表所有真实文件和环境都通过验证。
运行当前任务时必须重新核对用户材料，不把演示数据混入用户输出。

复审案例记录仅使用明确模拟输入；运行用户任务时重新生成结果，不复用模拟事实。

