本文介绍一种实用方案：借助 Templater 控制台工具，结合 Python 子进程调用，在保持 Excel 原有样式与结构的前提下，实现数据填充与公式范围的自动适配（如 =SUM(B3:B6) 随行数动态扩展）。
本文介绍一种实用方案：借助 templater 控制台工具，结合 python 子进程调用，在保持 excel 原有样式与结构的前提下，实现数据填充与公式范围的自动适配（如 `=sum(b3:b6)` 随行数动态扩展）。
Jinja2 本身无法直接处理 Excel 公式逻辑——它仅能渲染纯文本内容，而 Excel 的 .xlsx 文件是 ZIP 压缩包结构，内含 XML 格式的公式定义（位于 /xl/worksheets/sheet*.xml），其语法（如 <f>SUM(B3)</f>）不支持 Jinja2 原生变量替换。因此，简单地将 .xlsx 当作文本模板进行 jinja2.Template().render() 是无效且危险的，极易破坏文件结构或丢失格式。
所幸，专业级解决方案 Templater（由 NGS-Doo 开发）专为此类场景设计：它支持 Excel 模板中的「智能公式扩展」——当模板中定义类似 {% for row in data %}...{% endfor %} 循环时，其内置引擎会自动识别并重写相邻单元格的公式引用范围（例如将 =SUM(B3) 扩展为 =SUM(B3:B6)），同时完整保留字体、边框、条件格式、图表和合并单元格等所有样式。
✅ 实施步骤（Python + Templater CLI）
下载 Templater CLI
访问 GitHub Releases，下载最新版 templater-console.jar（无需安装 Java 环境，但需系统已安装 Java 8+）。-
准备三要素
- template.xlsx：Excel 模板，其中公式单元格需嵌入 Templater 语法（如 =SUM({{ "B3:B" ~ data|length + 2 }}) 或更推荐使用内置循环自动扩展）；
- data.json：结构化数据（Pandas DataFrame 可通过 df.to_json(orient='records') 导出）；
- output.xlsx：输出路径。
-
Python 调用示例
import subprocess import json import pandas as pd
示例数据
df = pd.DataFrame({"Sales": [1200, 1500, 980, 2100]}) data_json = df.to_json(orient="records", indent=2)
with open("data.json", "w") as f: f.write(data_json)
调用 Templater CLI
result = subprocess.run([ "java", "-jar", "templater-console.jar", "template.xlsx", # 输入模板 "data.json", # 数据源 "output.xlsx" # 输出文件 ], capture_output=True, text=True)
if result.returncode == 0: print("✅ Excel 报告生成成功，公式已自动适配！") else: print("❌ 生成失败：", result.stderr)
> ⚠️ 注意事项：
> - Templater 的 Excel 公式扩展依赖于**模板中明确的循环区域**（如表格行循环），而非手动拼接字符串。建议在模板中使用标准语法 `{% for item in data %}...{% endfor %}`，并确保公式位于循环区域内或紧邻下方，引擎将自动感知数据长度并更新引用；
> - 免费版功能受限（如水印、行数限制），商用需购买许可证；
> - 替代开源方案（如 `openpyxl` + 手动公式重写）理论上可行，但需深度解析 XML、维护命名空间、处理绝对/相对引用及跨表引用，开发成本高且易出错，不推荐非必要场景采用。
综上，对于需兼顾专业排版、动态公式与生产稳定性的 Excel 自动化报告场景，Templater CLI 是目前最成熟、低风险的工程化选择。 
