openpyxl 读取大型 Excel 文件报错 MemoryError 时，最推荐的处理方向是开启只读模式并配合生成器逐行读取。适用场景为数据量超过 10 万行或文件体积数百 MB 以上，风险边界是只读模式下无法修改原文件且部分公式无法计算。

快速处理思路

直接使用 openpyxl 的只读模式加载工作簿，并通过迭代器逐行获取数据，避免将 entire workbook 对象驻留内存。

from openpyxl import load_workbook

def read_large_excel(file_path):
    wb = load_workbook(filename=file_path, read_only=True, data_only=True)
    ws = wb.active
    for row in ws.iter_rows(values_only=True):
        yield row
    wb.close()

为什么会这样

openpyxl 默认模式会将 Excel 中的所有内容包括单元格格式、公式、图表一次性加载到内存。数据量越大，内存占用越高，最终触发 MemoryError。开启只读模式后，openpyxl 采用生成器模式逐行加载，不一次性存储所有数据，大幅减少内存占用。

分步处理

第一步：安装依赖。确保本地已安装 Python 环境，执行 pip install openpyxl 命令安装库。

第二步：修改加载参数。将代码中的 load_workbook 调用修改为包含 read_only=True 和 data_only=True 参数。

第三步：使用生成器遍历。使用 ws.iter_rows(values_only=True) 替代直接访问 ws.rows，确保返回的是值元组而非单元格对象。

第四步：手动关闭资源。只读模式必须手动调用 wb.close() 释放文件句柄，否则可能导致文件占用。

怎么验证是否生效

运行修改后的脚本，打开系统任务管理器或活动监视器，观察 Python 进程的内存占用。若内存占用稳定在较低水平且不随文件行数增加而暴涨，说明流式读取生效。也可在代码中引入 tracemalloc 模块监控内存分配峰值。

常见坑

只读模式下无法保存修改。若业务逻辑需要写入数据，不能直接使用 read_only=True 打开的工作簿对象进行 save 操作。处理写入大量数据报错时，需安装 lxml 包优化写入性能，或采用分批写入策略。

常见问题

read_only=True 后还能修改单元格吗

不能。只读模式禁止对工作表进行写入操作，如需修改数据需重新创建 Workbook 对象。

pandas 读取大文件有什么替代方案

可以使用 pandas 的 read_excel 函数配合 chunksize 参数实现分块读取，适用于需要数据分析的场景。

参考来源

• 内存溢出频发，Python 读取大 Excel 文件的 4 种工业级应对方案
• 用 Python 操作 Excel:openpyxl 读写大型表格避坑指南
• Python 读取大 Excel 文件卡顿崩溃？揭秘企业级流式处理黑科技-CSDN 博客
• openpyxl 写入 xlsx 大量数据时报错:MemoryError Error in atexit._run_exitfuncs