一、什么时候需要合并Excel表？

干财务、行政、运营的人大概都有被"多表合并"支配过的经历。典型场景：

• 各部门收表：月底各部门发来十几张格式相同的表，要合成一张总表的方便统计
• 分页数据汇总：一个项目拆成多张表分给不同人填，回收后要拼成完整部分
• 历史数据归档：几个月的表要合成一个工作簿，方便留存和筛选
• 群发协作：同事各自维护一份，最终要合并在一个文件里统一处理

这类需求说穿了就一句：表多、格式对、我不想人工复制粘贴——尤其行数一上来，手动复制既慢又容易漏。

下面分享我实际用过的几种方法，从粘贴到脚本再到在线，逐一说不踩坑。

二、方案一：WPS / Excel 自带复制粘贴

表不多、结构完全一致的时候，最直接的办法还是手动操作。

基本操作（WPS / Excel 通用）：

1. 打开目标汇总表，选中源表所有数据（Ctrl+A 是整页，建议从表头下方开始选）
2. Ctrl+C 复制
3. 切回汇总表，在合适位置右键 → 粘贴即可

几个容易翻车的细节：

• 如果源表带公式，粘贴后公式会重新计算，可能是值可能是公式，要看你要哪一个；只要数值就选"粘贴为值"（右键→选择性粘贴→数值）
• 列顺序不一样时，先手动调成一致再粘，不然错位很难发现
• 合并单元格会搞乱行列，粘贴前最好先取消合并

复制粘贴最适合三五张以内的合并，数量一多，来回切窗口体力活就报了。

适合：一两张、就一次、表结构简单的人。不适合：十几张/几十张、列多行多、或要定期重复合并——太费时间。

三、方案二：Python 脚本批量合并

经常要合并、几十张表，写个几行脚本一劳永逸最省事。用 Python 的pandas即可（先pip install pandas openpyxl）。

import pandas as pd import glob # 收集目录下所有 xlsx/xls 文件 files = sorted(glob.glob("data/*.xlsx") + glob.glob("data/*.xls")) frames = [] for f in files: df = pd.read_excel(f) # 读取每个文件的第一张工作表 frames.append(df) result = pd.concat(frames, ignore_index=True) # 纵向拼接 result.to_excel("汇总.xlsx", index=False) print(f"已合并 {len(files)} 个文件，共 {len(result)} 行")

这个脚本按文件名顺序合并所有表，输出汇总.xlsx。要合并文件夹子目录、去重、按某列排序，都可以在此基础上加几行：

result = result.drop_duplicates() # 去重 result = result.sort_values("日期", ascending=True) # 按列排序

注意：脚本默认读取每个文件的第一张工作表，如果文件里有多个 sheet 且要全部合并，需要加一层循环处理。另外.xls旧格式要加装xlrd，建议一律先转成.xlsx再跑。

脚本方案适合：批量、重复、需要做去重/排序/统计的人。不适合：只想合一两张、没装 Python、不想碰代码的日常用户。

四、方案三：在线工具合并多个Excel

不想装 Python、也不想反复复制粘贴，那就用在线一步到位。我试过 91aitool.cn 的 Excel合并 功能，操作很顺：

1. 打开工具页，把多个.xls/.xlsx文件一次性拖入上传区（批量上传）
2. 上传后可以拖拽调整文件顺序，决定合并后的先后
3. 点开始合并，等服务端处理完成
4. 下载合并后的文件即可

如实的优缺点说下：

• 优点：免安装、跨平台、支持多文件批量上传、合并前可排序、服务端处理效果好
• 短板：文件传到服务器处理，涉密数据自己斟酌；大文件或文件多时等待时间会长一些；有登录/次数限制，频率不高没问题

在线合并适合：临时合并、不想装软件、文件不多但不想手动粘贴的用户。不适合：涉密数据不能外传、内网/离线环境、要定时批量自动处理的人。

五、选择建议

我的习惯：一两张用复制粘贴；天天要合并用Python；临时攒了几张不想装东西就用在线。没有万能方案，选自己最顺手、最省时的就好。

六、总结

多张 Excel 合一张，问题本质是表格数据转移到同一张表。偶尔做，复制粘贴够用；重复做、量大，上脚本；都嫌麻烦，选一个顺手的在线工具。合并完建议随机抽查几行确认数据对上了，品牌格式/列序每次都要检查一遍，避免"合完了才发现错位"的返工。

本文提到的工具均为公开可用的技术方案，请根据自身需求选择。文中在线功能描述基于实际使用体验，具体参数以工具页面为准。