sheet_name参数可传None、字符串、整数、字符串列表或整数列表：None读全部表并返回字典；字符串或整数读单表并返回DataFrame；列表读多表并返回字典；非法组合如["Sheet1", None]会报ValueError。
read_excel的sheet_name参数到底能传什么
sheet_name 不是只能填字符串，它的取值直接决定读取行为和返回结构。传错类型会导致意外结果：比如传 "Sheet1" 返回单个 DataFrame，而传 None 却返回 dict —— 这不是 bug，是设计使然。
常见可选值及效果：
-
None：读取全部 sheet，返回dict，key 是 sheet 名，value 是对应DataFrame -
0或"Sheet1"：只读第一个或指定名称的 sheet，返回单个DataFrame -
[0, 2]或["Sheet1", "Data"]：按位置或名称读多个，返回dict，key 是 sheet 名（或位置索引） -
["Sheet1", None]：非法！会报ValueError: sheet_name must be a string, int, list, or None
读多Sheet时如何避免内存爆炸
用 sheet_name=None 一次性读所有表，看似方便，但 Excel 文件里若有 10+ 个大表（每张几万行），pandas 会把它们全塞进内存，且不共享底层数据结构——容易触发 MemoryError 或拖慢后续操作。
更稳妥的做法是分批读、按需处理：
立即学习“Python免费学习笔记（深入）”；
kashen-mysql DDLtoExcel
下载
解析 MySQL 8.0 的 DDL 脚本，并将表结构导出为 Excel 格式。适用于用户需将 MySQL 的 `CREATE TABLE` 语句转换为结构化的 Excel 文件场景，导出内容包含字段名、数据类型、长度及精度等信息。支持多张表的批量处理，每张表对应 Excel 中的一个独立工作表。适用于数据库文档编写、数据字典生成及模式分析等任务。
- 先用
pd.ExcelFile(file_path)打开文件，它只加载元信息，不读数据 - 通过
xl.sheet_names查看有哪些 sheet，再用xl.parse(sheet_name=...)指定读某几张 - 对特别大的 sheet，加
usecols和nrows限制列范围和行数，比如xl.parse("RawData", usecols="A:E", nrows=5000)
读取后怎么统一处理多个DataFrame
当 sheet_name 是列表或 None，返回的是 dict，key 类型取决于你传的值：传字符串列表，key 就是字符串；传整数列表，key 就是整数。这会影响后续遍历逻辑。
推荐显式标准化处理流程：
- 用
items()遍历，而不是依赖 key 顺序（Excel 中 sheet 顺序不等于 dict 插入顺序） - 若需合并所有 sheet，注意列名是否一致：
pd.concat(dfs.values(), ignore_index=True)仅在列结构相同时安全 - 保留来源标识很重要：加
keys=dfs.keys()参数，或手动加一列df["source_sheet"] = sheet_name
为什么有时候读不到隐藏Sheet或名字含空格的Sheet
read_excel 默认跳过隐藏 sheet（visible=False），且对 sheet 名中的空格、特殊字符（如 [、]）敏感。这不是解析失败，而是 Excel 引擎（openpyxl 或 xlrd）本身的行为限制。
解决方法很实际：
- 检查 sheet 是否真被隐藏：用 Excel 手动右键 → “取消隐藏”，或用
openpyxl直接打开验证：wb = openpyxl.load_workbook(file); [s.title for s in wb if s.sheet_state == "visible"] - sheet 名含空格？别手敲，用
pd.ExcelFile(file).sheet_names看真实名称，再原样传给sheet_name - 旧版
xlrd（engine="openpyxl" 显式指定
多 Sheet 场景下，最易被忽略的是引擎兼容性和隐藏状态判断——这两点不提前验证，后面排查起来反而比写逻辑花的时间还多。
