功能定位：为什么要“批量合并”

在 WPS 表格里，“批量合并多个工作簿”指的是把分散在不同文件里的同构或异构数据一次性汇总到一张总表。与手工复制粘贴相比，官方提供的 Power Query（中文名“获取和转换”）与 2026 版新增的 Python 脚本窗格，都能把“打开-复制-粘贴-调整列宽”这种 10 分钟重复劳动压缩到 30 秒以内，且后续源文件更新后一键刷新即可。核心关键词“批量合并多个工作簿数据”在 2026 版已支持 Windows／macOS／Linux 三端统一入口，但移动端仅支持查看结果，不可编辑查询。

三种可行路线总览

Power Query（获取和转换）：图形化，无需代码，最适合列结构一致的场景。
Python 脚本窗格：2026 版新增，可写 pandas，适合列名不一致、需要清洗的场景。
传统复制粘贴／“合并计算”：无版本要求，最快上手，但源文件变动后需重复劳动。

下文先给“最短路径”，再解释为什么这样选、什么时候不该用。

路线 1：Power Query 图形化合并

Windows 桌面端操作路径

1. 打开 WPS 表格 → 数据 → 获取和转换 → 从文件夹 → 选中“存放多个工作簿的文件夹”。
2. 在弹出的导航窗格中，文件列表默认已勾选，点击“合并并加载” → 选择“示例文件”里正确的那一张工作表 → 确定。
3. 查询编辑器自动追加同构列；若列名不一致，可右键“将第一行用作标题”或手动“重命名列”。
4. 关闭并加载至 → 新工作表。完成后，源文件夹内新增文件或修改值，只需“数据 → 全部刷新”。

macOS／Linux 差异

截至当前的最新版本，Power Query 在 macOS 与 Linux 仅支持“从文件”单文件导入，尚未开放“从文件夹”批量合并。若跨平台协作，建议把 Windows 端生成好的查询文件上传团队云盘，其他端仅做结果查看。

边界与取舍

Power Query 默认按列名匹配，列顺序可乱，但列名必须完全一致（大小写敏感）。若源文件列名经常变，可在“转换”步骤里手动写“重命名列”固定映射，否则刷新会报错“列找不到”。

路线 2：Python 脚本窗格（V13.12.0 新增）

启用与安装依赖

1. 打开 WPS 表格 → 工具 → Python 脚本 → 首次使用会提示“安装 miniconda”，点击一键安装（需联网）。
2. 安装完成后，任务窗格出现“>>>”提示符，输入 import pandas as pd 回车，无报错即就绪。

示例：把 50 个销售日报合成一张总表

import pandas as pd, glob, os
path = r'C:\日报' # 存放 50 个 xlsx 的文件夹
files = glob.glob(os.path.join(path, '*.xlsx'))
df_list = []
for f in files:
    tmp = pd.read_excel(f, sheet_name='销售明细')
    tmp['来源文件'] = os.path.basename(f) # 追溯来源
    df_list.append(tmp)
result = pd.concat(df_list, ignore_index=True)
result.to_excel(r'C:\汇总\销售总表.xlsx', index=False)
print('合并完成，共', len(result), '行')

点击“运行”后，大约数十秒内可在指定路径得到汇总文件。再用 WPS 打开该文件 → 数据 → 从工作簿 → 导入当前工作簿，即可与普通表格一样做透视表。

什么时候选 Python 而不是 Power Query

列名完全不统一、需要正则提取文件名中的日期、或想做分组汇总后再回写，Python 更灵活；代价是写代码。对不会 Python 的同事，建议把脚本保存为 .py 文件，由专人维护，运行后仅分享结果表格。

路线 3：无版本门槛的“合并计算”

若电脑被公司锁版本、无法升级 V13.12，可用传统“合并计算”：数据 → 合并计算 → 函数选“求和”或“计数” → 引用位置逐个添加不同文件的区域 → 勾选“首行”“最左列”标签。缺点是：源文件改动后需重新手动添加引用，且只能做聚合，无法保留明细行。

常见失败分支与回退方案

刷新时报“外部表不是预期格式”：源文件被其他同事用旧版 WPS 另存为 .xls，Power Query 不认 97-2003 格式。回退：让源文件作者另存为 .xlsx 即可。
Python 窗格提示“找不到 pandas”：公司网络屏蔽外网，点击窗格右下角“安装库”会卡死。回退：用离线 whl 包放至用户目录下 site-packages，具体路径因安装方式而异，请以实际为准。
合并后日期列变 5 位数字：Power Query 把日期当序列号。在查询编辑器里选中该列 → 数据类型 → 日期，即可恢复可读格式。

性能与规模实测（经验性观察）

在 16 GB 内存、i7-1260P 笔记本上，用 Power Query 合并 200 个 1 MB 的 xlsx（约 100 万行明细），首次加载约 90 秒，之后每次刷新 10 秒左右；Python 脚本方案因要先读入内存，耗时略高但可接受。若文件总量超过 500 MB，建议改用数据库或 Power BI 桌面版，避免 WPS 表格因 32 位进程限制闪退。

不适用场景清单

需要按行级权限脱敏：WPS 表格无行级权限，合并后所有人都能看到明细，需转用 WPS 云表格的“数据权限”功能。
源文件每日新增列：Power Query 不会自动扩展列，需手动编辑查询，维护成本高。
超过 1048576 行：WPS 表格单表上限与 Excel 一致，百万级以上请用 Python 脚本直接写回 SQLite 或 DuckDB。

最佳实践 6 条检查表

统一文件夹：把所有源文件放同一目录，避免“从文件夹”时抓到无关文件。
列名模板化：先发一份“空模板”给同事，约定列名与顺序，减少刷新报错。
日期列显式格式化：源文件把日期列设为“短日期”，防止序列号乱码。
建立“结果副本”工作表：合并结果放在独立工作表，避免被手动填写覆盖。
刷新前备份：文件 → 另存为 → 带时间戳文件名，方便回滚。
用云盘同步而非 U 盘：U 盘路径易变，Power Query 会报“路径不存在”。

FAQ：常见疑问一次讲清

合并后文件变大很多，如何瘦身？

查询结果会带缓存，可“文件 → 选项 → 高级 → 放弃查询缓存”并另存为新文件，体积通常降 30–50%。

Mac 版什么时候支持“从文件夹”？

官方论坛 2026 年 2 月回复“开发中”，未承诺日期；现阶段可用 Windows 端代处理。

Python 脚本能否定时自动跑？

WPS 表格内无计划任务，需借助系统任务计划程序调用 wps 的 com 接口或另写批处理，官方未提供示例。

刷新时提示“循环引用”怎么办？

合并结果工作表与源文件勿同名，且结果区域不要手工输入公式指向自己，把结果单独放一张“汇总”表即可。

能否只合并指定颜色的行？

Power Query 不识别单元格底色，需用 Python 脚本读取 openpyxl 的 fill 属性再过滤，性能会下降。

下一步行动建议

如果你今天就要交周报，先用 Power Query 十分钟跑通；若列名乱到心累，花 30 分钟写一次 Python 脚本，以后每周一键刷新。合并只是开始，记得用“数据透视表+切片器”把汇总结果做成动态仪表盘，老板刷新即可看到最新进度，再也不用到处问人要文件。

未来版本观察：官方在 2026 春季更新预告中提及“云端查询模板市场”与“Python 定时触发”内测，若落地，跨端共享与无人值守场景将进一步简化。建议持续关注 WPS 官方论坛的“抢鲜版”公告，第一时间验证新能力。

如何在WPS表格中批量合并多个工作簿数据？