数值批量格式化 - 免费把导出表格里写法乱七八糟的数字（其它工具）

这个工具解决什么问题

月底对账，从电商后台导出一份明细。打开一看，金额那一列简直是「写法博物馆」：有的写 12345.6789，有的写 1,234.56，有的带个 ￥ 符号，有的是会计写法 (1,234.56) 表示负数，有的是「３．２万」——大概是从聊天记录里粘过来的，还有「1.23E+04」这种看着像天书的东西。要把这一列统一成「两位小数 + 千分位」才能导进财务系统，只能一行一行手改。改到一半开始犯困，手一抖把某个订单号的 0001234567 改成了 1,234,567，前导零没了——这种错要等到月底对不上账才会被发现。几百行的表，认真改要一个下午；不认真改，就是在给以后埋雷。

• 原来的做法：在表格软件里逐格手改格式；或者写个公式套一层再选择性粘贴，但一列一个写法，公式也得跟着调好几遍，还得防着把编号列也一起改了
• 用这个工具：打开文件，程序自动逐列判断「这一列是金额还是编号」，给出识别结论和理由；确认或微调一下规则，点导出，几秒钟拿到一份可以直接用的表；所有原值另存一列，随时能对照
• 省下来的：把「一个下午的机械劳动 + 随时可能改坏编号列」换成一次点击；而且每一位数字都算得准、每一步都看得见理由

技术实现

运行期只用 Python 标准库，打包后是单个 exe，双击即用，不联网、不需要装任何东西。整个工具的核心不是「格式化」而是「判断一个格子到底是什么」，因为 12345.6789 该变成 12,345.68，但 0001234567 一个字都不能动；1,234 可能是 1234 也可能是 1.234。所以程序分三层：第一层把文本归一化（全角转半角、去掉零宽字符、识别会计括号与量词单位）；第二层靠「形态优先 + 整列方言投票」判断每个格子的真实数值；第三层才按规则做精确的十进制取整与格式化。判断全部落在整列上做，因为「逗号是千分位还是小数点」是一列的性质，不是单个格子的性质。所有计算用 decimal 而不是浮点数，并且取整方式可切换——Python 内置的 round 是银行家舍入，做金额对账直接用它迟早出差额。

• 1,234 到底是多少：形态优先 + 整列方言投票：单看一个格子，1,234 既可能是 1234 也可能是 1.234，无法确定。程序分两层解决。第一层看形态，零歧义：点和逗号同时出现时，位置直接决定身份（1,234.56 是美式、1.234,56 是欧式）；同一种分隔符出现多次，它一定是千分位；逗号右侧不是三位或左侧超过三位，它一定是小数点。第二层只在真正歧义时启用：扫描整列样本投票。投票规则刻意做成不对称的——点默认就是小数点，只有拿到明确反证才改判欧式。原因是一整列都是「1.234 / 5.678」这种三位小数，恰恰是单价、汇率列最常见的形态；按对称逻辑把它当成欧式千分位，整列数字会被乘 1000，这是最难发现的一类错误。
• 写坏的格子不参与投票：整列方言靠样本投票得出，那么样本本身的干净程度就决定了结论对不对。程序在投票前会先对每个样本做一次形态自洽性校验，通不过的直接弃权。这不是理论洁癖：实测过一个案例，演示表里出现了一个写坏的 1,234.5.6（逗号点号混用），它单独就把整列的方言投翻成欧式，导致同一列里本来正确的 1,234 全部被解析成 1.234——一个坏格子污染一整列，乘以 1000 的静默误差。
• 取整交给 decimal，六种模式全部可控：金额取整最怕两件事：一是用浮点数算导致 1.005 保留两位变成 1.00，二是用了银行家舍入导致对不上账（Python 内置的 round 就是银行家舍入，round(2.5) 等于 2，不是 3）。程序全部走 decimal 精确十进制运算，并把六种取整模式都放在界面上：四舍五入、银行家舍入、直接截断、进位收尾、向正负无穷取整。另外 quantize 之前会把局部精度提到 60 位——默认精度只有 28 位，遇到 9 位以上的金额加两位小数会直接抛异常，这是那种平时测不出来、遇到大额数据才炸的问题。
• 编号保护：前导零和卡号默认一个字符都不动：0001234567 当数字处理会变成 1,234,567，前导零没了；16 位卡号加上千分位之后，下游系统直接认不出来。程序对两类格子默认按原样保留：以 0 开头的纯数字串、12 位以上的纯数字串。这个保护是可以关的（把那一列改成数值列即可），默认开着是因为数据安全比操作便利重要。程序还会在界面上写明「为什么不动它」，让用户看到这里是安全的，而不是以为程序漏处理了。
• 读不出来的格子原样写出，绝不吞掉也不改成 0：导出表里出现「1,234.5.6」这种写坏的值是常事。程序不会静默把它当成 0、也不会直接丢掉整行，而是原样保留并在预览里标红，同时在诊断页写明「数字里出现了多个小数点，看不出该怎么读」。为此还需要区分「长得像数字但读不出来」（要标红）和「本来就只是文字」（比如「待核对」，正常保留不标红）——判据是：里面出现了数字，且其余字符里六成以上属于数字写法允许的字符集。
• 自己解 xlsx：日期单元格不能当数字格式化：Excel 工作簿其实就是一个 zip 包加一堆 XML，所以程序用 zipfile 加 xml.etree 自己解析，不引入 openpyxl——换来的是一个 12 MB 的单文件 exe 和零供应链风险。里面有三个必须处理的细节：一是数值单元格可能引用共享字符串表；二是空单元格在 xlsx 里是直接不存在的，按顺序读会整行错列，必须读单元格的坐标属性来落位；三是日期在内部存成「1899-12-30 起的天数」，不按单元格格式还原，用户就会看到 45291 这种数字被老老实实格式化成 45,291.00。另外还处理了苹果系 Excel 的 1904 历法（与 1900 历法正好差 1462 天，不处理会差 4 年）。

技术栈：Python 3.8+、tkinter 图形界面、纯标准库（运行期零第三方依赖）、decimal 精确十进制运算（六种取整模式）、zipfile + xml.etree 自解析 xlsx、PyInstaller 单文件打包（--noconsole）

已知局限：输入支持 .csv / .txt / .tsv / .xlsx（Excel 工作簿），输出统一为 CSV（UTF-8 带 BOM，Excel 双击打开中文不乱码）；不支持 .xls 这种 Excel 97-2003 老格式的二进制文件，遇到时会明确提示先另存为 xlsx 或 csv。拉丁字母单位只认 k/K（千）和 w/W（万），故意不认 m/M（百万）、b/B（十亿）——它们和「米 / 型号 / 字节」撞车概率太高，认错一次就是百万倍的静默错误。中文数字（壹贰叁、一二三）不解析。单张表最多处理 30 万行，超出的部分会明确提示截断。多工作表只处理第一张。

操作教程

1. 解压后双击打开
   解压压缩包，双击「数值批量格式化.exe」。不需要安装 Python 或任何运行库，程序也不联网。
   预期结果：出现主窗口：从上到下依次是「选择表格」「列与规则」「预览」「导出」四块区域
2. 打开要处理的表格
   点「打开表格文件…」，在弹出的系统对话框里选文件。支持 Excel 工作簿（.xlsx）、CSV、TXT、TSV。
   预期结果：文件名显示在顶栏，右侧信息条告诉你识别到的编码、分隔符、行列数；下面的列清单立刻填满，每一列都写明了识别结果
3. 扫一眼列清单，看程序判断得对不对
   左侧每一行是一列，第三栏是识别结果（数值 / 文本），第四栏是当前规则。带 ● 标记的列是「值得看一眼」的，比如订单号这种编号列。点一行选中它，右侧会显示这一列的统计和推荐理由。
   预期结果：订单号那一列显示成「文本（原样）」，理由写的是「这一列 12/12 个格子是编号类，强烈建议按文本处理」
4. 按需调整规则
   右侧可以改：小数位数、要不要千分位、取整方式、负数写法（前置负号 / 会计括号 / 后置负号）、前缀后缀、零值和空值显示成什么、百分号怎么处理。改完立刻在预览里生效。如果这一列的设置想套用到其它数值列，点「把这一列的设置应用到所有数值列」。
   预期结果：预览区实时刷新；不想改了随时点「恢复推荐规则」回到程序自动判断的状态
5. 看预览确认结果
   「结果预览」页显示整行改完的样子；「逐格诊断」页一行一个格子，列出原始值、格式化结果和处理说明。浅黄底表示「按原样保留」，浅红底表示「读不出来，需要你自己看一眼」。勾上「只看需要注意的行」可以只筛出有问题的那几行。
   预期结果：诊断页能看到「全角→半角」「带单位 万（数值 ×10000）」「会计括号负数」这类具体说明，每一步都能追溯
6. 选导出方式并导出
   底部选「保留原始值 · 结果另存为新列」（默认，原值立刻在旁边，方便对照）或「直接替换原列」。然后点「导出已格式化的表格…」，选个保存位置。
   预期结果：弹出完成提示，写明写入了多少行、格式化了多少格、有多少处需要注意；输出文件是 CSV，Excel 双击打开中文不乱码。原文件从头到尾没有被改动过。
7. 回去核对（可选）
   如果导出的提示里说有几处「需要注意」，把输出文件用表格软件打开，对照着原表看那几行。程序把这些格子原样写了出来，没有替你猜。
   预期结果：标红的那几个格子内容和原表一致，改不改由你决定

常见问题

技术实现与后续维护

技术构成：Python 3.8+ 纯标准库，界面用 tkinter，精确十进制运算用 decimal，全角归一用 unicodedata，Excel 解析用 zipfile 加 xml.etree。运行环境：Windows 10/11 64 位，打包成单文件 exe 后不需要安装 Python；程序不联网、不依赖任何第三方包。维护要点：① 解析顺序不能随便调——归一化、括号负数、后置负号、百分号、货币与单位、科学计数法、空格千分位、千分位与小数点判定，这个顺序里每一步的位置都有理由（比如科学计数法必须在千分位判定之前，因为它带字母 E）；② 方言推断改了之后必须重跑自测里「一整列三位小数不能被判成欧式」那条断言，防止日后被顺手改成对称逻辑；③ 编号保护不要加「默认关闭」的开关，数据安全优先于操作便利；④ 界面层的铁律：后台线程只能往消息队列里放东西，绝不能在非主线程碰任何控件，这是 tkinter 最容易出随机崩溃的地方。

技术构成：

• numparse.py —— 数值解析与格式化内核：文本归一化、会计括号/后置负号/量词单位/货币符号/百分比/科学计数法的识别、千分位与小数点方言推断、六种取整模式与千分位输出。纯函数，不引用任何界面代码，可脱离窗口单独测试
• tableio.py —— 表格读写层：编码嗅探（BOM 单独先判，避免给无 BOM 的文件硬加 BOM）、分隔符嗅探（用 csv.reader 真解一遍再看一致性）、xlsx 解析（共享字符串、按坐标落位、日期格式与 1904 历法）、CSV 写出（UTF-8 带 BOM + CRLF）
• numfmt_core.py —— 规则模型与引擎：ColumnRule 规则对象、ColumnStat 列体检报告、整列分析与推荐规则、逐格格式化、预览生成（结果预览 + 逐格诊断）、导出（保留原始值另存新列 / 直接替换）
• numfmt_gui.py —— 图形界面层：窗口布局、后台线程与主线程之间的消息队列、列清单与规则控件、两个预览页签、导出入口、--demo 演示模式。业务判断全在下层，这一层只做接线
• demo_data.py —— 演示数据生成器：一份电商对账导出表，八列各自代表一类真实数据形态（编号前导零、美式混写、欧式写法、百分比、整数、文字），界面 --demo 与自测共用同一份、内容写死可复现

运行环境：

运行环境：Windows 10/11（64 位），打包为单个 exe，不需要安装 Python 或任何运行库。整个程序运行期零第三方依赖，只用到 Python 标准库（界面用 tkinter，精确计算用 decimal，全角归一用 unicodedata，读写 CSV 用 csv，解析 Excel 用 zipfile 加 xml.etree），因此没有依赖升级、版本冲突这类负担。整个程序不联网，可以在断网环境下使用。打包命令见工程目录下的 build.bat（PyInstaller 的 --onefile --noconsole）。

可扩展方向：

• 直接写回 xlsx：目前输出是 CSV（带 BOM，Excel 双击可用），如果要保留单元格格式、多工作表、公式，需要自己生成 xlsx，可以按需扩展
• 规则模板保存与加载：现在每次现调规则，可以存成 JSON，下次打开同结构的表一键套用（规则对象已经内置了 to_dict / from_dict）
• 多文件批量处理：现在一次处理一张表，同类表（比如每月导出）可以拖一整个目录进来，用同一套规则逐张跑
• 变化清单报告：导出前先算一遍哪些格子的值真的变了，输出一份变化清单供复核，适合严格的对账场景
• 列判定阈值可配：现在「数值列」的判定阈值（40%）是写死的，可以暴露到界面上
• 印度式数字分组（12,34,567）的生成：目前只识别、不生成

本工具免费提供使用，但不对外分发源码。如果你需要在本工具基础上做功能调整、对接内部系统或长期维护，可以联系我们做二次开发，源码与工程文档可在定制合作中一并交付。

使用说明与免责声明

• 本工具在本地运行，不联网、不上传任何数据到服务器。
• 涉及文件改写的功能，请在使用前备份原始文件。
• 软件完全免费，可自由使用与转发，请勿用于倒卖。
• 因误操作造成的数据问题请自行承担。