用户甲Excel根据行列内容批量生成文件夹，简单说就是：把表格里某一列或某几列的值变成目录名，按行一次性创建几十上百个文件夹。这个需求看着不大，真正做起来会发现命名清洗、重复行、非法字符、路径长度、日志回滚每一样都要考虑，完全不比写一个小工具简单。下面直接按实际落地顺序把这个问题拆透：先判断它适合哪种方案，再给出不装软件和用 Python 两种可复现的方式，最后把五个最容易翻车的细节和排查顺序写出来。适合谁看：日常需要按清单归档文件的行政、项目、销售、财务、资料员，以及对 Excel 自动化感兴趣的开发同学。
1. 先把“按行列内容生成文件夹”拆清楚
这一类问题真正消耗时间的地方，不在“创建文件夹”，而在“数据能直接转化成文件夹名”之前的那段清理工作。我见过很简单的表格：第一列是编号，第二列是名称，第三列是备注。目标是根据前两列建文件夹，命名规则是“编号-名称”，这就够了。
1.1 先确认你手里的数据长什么样
判断方案之前，先看三样东西：
- 表格的列结构：哪一列是文件夹名主依据，哪一列是前缀或编号。
- 行数规模：10 行以内手动建可能更快；100 行以上才值得考虑脚本。
- 是否需要重复执行：只跑一次，批处理就够了；长期用，脚本更重要。
这里有一个经常被忽略的问题：编号列很可能带着前导零，比如“001”。Excel 打开 CSV 或某些系统导出文件时，前导零可能被自动去掉。如果文件夹名要求保留 001，那第一步不是建文件夹，而是先把数据格式处理干净，否则脚本跑出来的目录名和你清单上写的根本不是同一个名字。
1.2 三个最典型的落地场景
按我接触到的实际需求，这类操作主要出现在三类场景里。
第一类是客户档案归档。一张客户清单，每行有“客户名称”“合同编号”“签约日期”，想按客户名称建文件夹，再把扫描件、合同 PDF、确认单丢进去。这时文件夹名通常要求“签约日期-客户名称-合同编号”，有时候还要在文件夹里再建一层“发票”“合同”“其他”子目录。
第二类是项目资料分目录。项目管理里常见做法是一个项目一个文件夹，里面按“需求文档”“设计文档”“测试报告”分门别类。Excel 里的每一行代表一个项目，脚本一次性把整个树状目录建出来。
第三类是设备、样品、物料编号归档。这种情况下文件夹名几乎完全依赖编号列，而且编号规则往往很乱，有中文、横杠、括号、斜杠。名称清洗就显得格外重要。
1.3 一次性任务和长期任务，选型逻辑不同
很多人在这一步容易纠结“到底用 Excel 公式、批处理还是 Python”。我的判断标准很简单：如果是一次性任务，哪怕用最土的办法，能跑就行；如果是长期任务，就要考虑固定模板、重复执行、出错定位、结果是否可追溯。
一次性任务的最佳解法是 Excel 拼接批处理命令，完全不用装额外软件。长期任务我更推荐 Python 脚本，因为同样的逻辑可以复用到生成子目录、写日志、批量改名、和数据库对接等场景。这篇文章会按这个顺序来写，因为多数人的痛点其实是“马上就要用，但又不想为了建文件夹装一堆东西”。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 不装新软件：Excel 拼批处理命令
这个方案的核心思路很朴素：Windows 里创建文件夹用 md 命令，既然 Excel 能做文本拼接，那就在单元格里把每一行拼成一条 md 命令，然后把所有命令放进一个 .bat 文件运行。整个过程不需要安装 Python，不涉及代码环境，比较适合公司电脑有软件管控的场景。
2.1 原理和公式写法
先假设你的表格里，A 列是“合同编号”，B 列是“客户名称”，要在 D 列生成命令。
第一步，在 C 列先拼出文件夹名，公式可以这样写：
excel复制=TRIM(B2 & "-" & A2)
这里用 & 把“客户名称”和“合同编号”连接起来，中间用横杠分隔；TRIM 是把首尾多余空格清掉。为什么先把文件夹名单独放一列？因为后续不管是生成命令、检查重复，还是改成 Python 脚本，都用得上，这个中间列别省。
第二步，在 D 列把文件夹名转成创建命令：
excel复制=IF(C2="", "", "md \"" & C2 & "\"")
这个公式的含义是：如果 C 列为空就不生成命令，否则生成带英文双引号的 md 命令。双引号非常重要，因为很多客户名称或项目名称里带空格，不带引号时批处理会把空格当成路径分隔符，导致创建出多个文件夹。
2.2 从 Excel 到批处理文件的完整步骤
完整流程这样走：
- 打开 Excel，确认 A、B 两列内容没有合并单元格，没有隐藏列。
- 在 C 列输入拼接公式，向下填充到数据末尾。
- 在 D 列输入命令公式，同样向下填充。
- 复制 D 列所有内容，粘贴到记事本或任意文本编辑器里。
- 把文本另存为 create_folders.bat，编码选 ANSI。
- 双击运行这个批处理文件，命令执行完后直接关闭窗口。
- 打开文件夹检查，看目录名是否和 C 列一致。
为什么编码要选 ANSI？因为 Windows 批处理对中文编码敏感，很多人遇到过“中文乱码”的问题，查到最后不是路径错，而是 bat 文件用了 UTF-8 编码。如果你的 Excel 里全是英文和数字，选 UTF-8 可能没事；但只要有中文，稳妥做法是另存为 ANSI。
运行的时候有一个细节：不要把 bat 文件放在 C 盘系统目录里，放到你要创建文件夹的目标目录下，否则目录会生成在别的地方，跑完都不知道去哪找。
2.3 这个方案的边界和坑
这个方法最大的优点是零安装，缺点是基本没有容错能力。一旦某一行文件夹名带了非法字符，比如 \ / : * ? " < > |，md 命令会直接报错；一旦有重复名，这次运行会跳过或覆盖，你很难从屏幕上快速定位是第几行出了问题。
批处理方案适合 50 到 200 行、数据已经相对干净、只跑一次的任务。如果超过这个规模，或者文件夹名需要多层目录，我建议直接用 Python。另外 Mac 系统没有 md 这个命令，批处理方案在 Mac 上行不通，需要改成 mkdir -p，或者直接看下一节的 Python 方案。
还有一个常见的坑是“Excel 文件本身打不开”。如果你的电脑提示文件格式或文件扩展名无效，第一步不是设计脚本方案，而是先把 Excel 文件修复好，把数据导入到一个新的工作簿里，否则后面所有步骤都会卡在读取阶段。
3. 更可控的做法：Python 读取 Excel 批量生成文件夹
如果你愿意装 Python，或者本来就在用 Python 处理 Excel 数据，那“按行列内容批量生成文件夹”这件事的复杂度会明显下降。原因是脚本可以把“读取数据、清洗名称、检查重复、创建目录、写日志”整个流程串起来，每一步都可打印、可回查。
3.1 环境准备
这个方案依赖三个东西：Python 环境、pandas 库、openpyxl 库。
bash复制pip install pandas openpyxl
pandas 负责读取 Excel 表格和处理行列数据；openpyxl 是 pandas 读取 xlsx 格式时的底层引擎。如果你的文件是旧版 .xls 后缀，还需要补一个 xlrd：
bash复制pip install xlrd
这里要注意一个版本问题：新版 pandas 对 .xls 支持有限，如果你手头是 .xls 文件且读取报错，最省事的方法是把 Excel 另存为 .xlsx，再让脚本读取。不要为了兼容老格式在依赖版本上折腾太久。
3.2 核心代码与参数解释
假设 Excel 文件叫“文件夹清单.xlsx”，第一列是“合同编号”，第二列是“客户名称”，目标是在当前目录下创建“客户名称-合同编号”格式的文件夹。核心代码可以这样写：
python复制import pandas as pd
import os
import re
df = pd.read_excel("文件夹清单.xlsx", dtype=str, sheet_name=0)
df = df.fillna("")
folder_names = []
for _, row in df.iterrows():
name = row["客户名称"].strip()
code = row["合同编号"].strip()
if name == "" and code == "":
continue
folder_name = f"{name}-{code}" if name and code else (name or code)
folder_names.append(folder_name)
for folder_name in folder_names:
if folder_name:
os.makedirs(folder_name, exist_ok=True)
print("已创建:", folder_name)
这里有几个参数特别值得解释。
read_excel 里的 dtype=str 是必须的。如果漏掉，Excel 里的 001、002 这类编号会被 pandas 自动读成数值 1、2，文件夹名就丢掉了前导零。
fillna("") 的作用是把空值变成空字符串，避免后面因为空值直接报错。
strip() 清理首尾空格。很多人从系统导出的 Excel 里，单元格看起来是“张三 ”，实际上后面带空格，不清理的话目录名会带着看不见的尾随空格，后面归档文件时会莫名其妙找不到路径。
os.makedirs 里的 exist_ok=True 表示文件夹已存在时不报错。这个参数默认是 False，如果不去重，重复行可能直接中断脚本。关于重复行，下一节单独讲。
3.3 多列组合和子目录写法
实际需求往往不是简单的一层目录。比如“客户名称”下面还要建“合同”“发票”“验收”三个子目录。这种需求用 os.path.join 就能处理：
python复制import os
base_dir = os.path.join("归档", "客户名称-合同编号")
os.makedirs(os.path.join(base_dir, "合同"), exist_ok=True)
os.makedirs(os.path.join(base_dir, "发票"), exist_ok=True)
os.makedirs(os.path.join(base_dir, "验收"), exist_ok=True)
为什么强调用 os.path.join？因为 Windows 路径分隔符是反斜杠，macOS 和 Linux 是斜杠，手工拼字符串很容易在跨平台时出错。os.path.join 会自动处理这一点，Windows 下生成的路径可读性也好很多。
如果你还要按同一列的多个关键词分别生成目录，比如按部门、月份、项目名称逐层归档，可以先在 Excel 里把层级列准备好，然后循环里用列表存储层级，最后把整个层级列表传进 os.path.join(*levels)。
3.4 哪些情况不适合这个方案
如果数据量特别大，比如几万行，iterrows 遍历的效率会有点低。不过对于建文件夹这种场景，真正的瓶颈是文件系统创建目录的 I/O，不是遍历速度。你更应该关注的是是否有重名、是否有非法字符，而不是遍历性能。
另一个不适合的情况是你不熟悉 pandas 又能用批处理解决。方案没有高低，只要数据干净、任务单一，Excel 拼 bat 已经够了。Python 的价值在后期复用，不在于“看起来更专业”。
4. 批量生成文件夹时必须处理的五个细节
这一段是我最想写的部分。前面两种方案都能跑通，但真正让一批文件夹生成做到稳定、可回归、不出乱子的，往往是下面五个细节。
4.1 非法字符和名称清洗
Windows 文件名不能包含这些字符：\ / : * ? " < > |。还有一类是保留设备名，比如 CON、PRN、AUX、NUL、COM1 到 COM9、LPT1 到 LPT9。虽然现实中很少遇到 CON 这种名字，但一旦遇到，文件夹会创建失败，而且报错信息不容易看出来原因。
建议在上一节的 Python 方案里加一个清洗函数：
python复制def clean_folder_name(name):
name = re.sub(r'[\\/:*?"<>|]', "-", name)
name = name.strip().rstrip(".")
if re.match(r'^(CON|PRN|AUX|NUL|COM[1-9]|LPT[1-9])$', name.upper()):
name = "_" + name
return name
如果你走批处理方案，想避免非法字符，就得提前在 Excel 里用 SUBSTITUTE 函数把这些符号替换掉。这里的关键是：不要等到创建失败再去处理，而是在生成命令前就完成清洗。
4.2 重复行和重名检测
表格里很容易出现两行内容完全一样，或者客户名称一样、合同编号不一样但最终拼接结果相同的现象。重复行会导致两个文件夹名相同，后续哪个文件该放哪个文件夹就乱了。
在 Python 里，建议先做重复判断：
python复制dup = df[df.duplicated(subset=["客户名称", "合同编号"], keep=False)]
if not dup.empty:
print("发现重复行，先处理数据后再生成目录")
dup.to_csv("重复行记录.csv", index=False, encoding="utf-8-sig")
exit()
这里把重复行单独导出到一个 CSV，是因为直接修改 Excel 里几万行数据不现实，导出后你可以在表格里对比确认，到底哪些行要删除、哪些要加后缀。
如果需求允许同名文件夹直接合并，那就在循环里用 exist_ok=True 静默跳过。如果需求不允许合并，就要在拼接命名时加上更多区分字段，或者在后端加一个计数器，例如“客户名称-合同编号-01”。
4.3 路径长度和层级控制
Windows 默认路径长度限制是 260 字符。虽然新版系统可以通过注册表或组策略开启长路径支持，但并不是所有机器都开了，而且开启后也不代表所有软件都支持。
所以建目录时尽量控制层级和名称长度。我的经验是：单层文件夹名别超过 80 字符；多层路径用 os.path.join 拼出来后，控制在 200 字符以内。如果源数据里编号很长、客户名称又长，建议统一缩短命名规则，比如只保留日期-编号，把完整名称放到目录内的说明文件里。
4.4 日志和失败重试
批量创建几百个文件夹，最怕的是一批代码跑完，不知道哪几个创建失败。不要依赖控制台输出，因为窗口关掉就没了。建议把每次运行结果写到一个 log 文件里。
在循环里用异常捕获：
python复制failed = []
for folder_name in folder_names:
try:
os.makedirs(folder_name, exist_ok=True)
print("OK:", folder_name)
except Exception as e:
failed.append(folder_name)
print("FAIL:", folder_name, str(e))
with open("运行日志.txt", "w", encoding="utf-8") as f:
f.write("\n".join(failed))
日志里只需要记录失败项，成功项可以通过目录本身来确认。不要所有行都写进去，否则日志文件会比实际任务还乱。
4.5 先预览再执行
无论哪个方案，第一次跑之前都要先预览，不要直接创建全部。
最简单的方式是打印前 20 条，人工扫一眼命名是否符合预期。Python 里可以这样：
python复制for folder_name in folder_names[:20]:
print(folder_name)
print("共", len(folder_names), "条，先检查前 20 条")
这一步能在三秒钟内发现命名规则、前导零、非法字符、空格这类问题，成本极低。批处理方案里，运行前先做同样的事：把 bat 文件先不双击，用记事本打开检查前几行，确认命令格式没问题再运行。归档任务最重要的不是速度，而是第一次就建对。
注意：第一次跑脚本之前，先执行“预览”而不是“创建”。检查命名规则没问题，再放开全量创建。
5. 从“能跑”到“跑得稳”：批量任务的进阶思路
“能跑”和“跑得稳”之间隔着一层：能不能重复执行、能不能复用、能不能在出错时快速定位。
5.1 定期任务：只改 Excel 不换脚本
如果你的需求是每周从系统导出一张清单，然后把目录同步成 Excel 里的结构，那建议把脚本固定下来，Excel 当成纯数据输入。每次只需要更新“文件夹清单.xlsx”，然后运行同一段命令。
为了让定期任务稳定，有两个建议。
一是固定 Excel 模板的表头，不要随便改列名。脚本里写死的是“客户名称”“合同编号”两个字段，改成“客户”“编号”脚本就会报错。
二是把输出目录统一指定到一个固定根目录，比如 D:\归档\。脚本里加一个 root_dir，避免每次都在不同目录下运行。
5.2 生成子文件夹和说明文件
比单纯建一层目录更常见的需求，是同时生成子结构。比如每个客户文件夹里都要有“合同”“发票”“验收”，再放一个“说明.md”记录来源和创建时间。
这种需求在主流程里加一个子目录列表即可：
python复制sub_dirs = ["合同", "发票", "验收"]
for folder_name in folder_names:
os.makedirs(folder_name, exist_ok=True)
for sub in sub_dirs:
os.makedirs(os.path.join(folder_name, sub), exist_ok=True)
一起生成子目录，比后面手动补要省事得多。如果你的目标目录需要按年份、月份分层，可以在命名时把日期从 Excel 里取出来拼到路径中，这个逻辑建议写成函数，而不是在循环里散落一堆 if。
5.3 与 Excel 其他整理工作的衔接
这一类操作经常和其他 Excel 需求绑定。比如“同一个 Excel 里统计某一关键词对应数据求和”“两列查重”“快速定位某一行”，这些和按行建目录的本质一样：先把数据表整理干净，再执行批量操作。
所以我的建议是，把“数据清洗”和“目录创建”分成两个脚本或两个步骤。数据清洗负责处理非法字符、去重、补全前导零，输出一份干净的中间表；目录创建只负责读取中间表并建目录。这样两边都能单独测试，不会互相影响。
如果你以后要把生成后的目录结果写回 Excel，比如在表格里加一列“目录状态：已创建/未创建”，可以在 Python 循环后把结果合并到原 DataFrame，再用 to_excel 导出。这也是我建议用 pandas 的原因，建文件夹只是整条数据处理链条里的一环。
定期任务里，比代码更值钱的是固定的 Excel 模板。模板不乱改，脚本才不会突然报错。
6. 常见报错与排查顺序
批量生成文件夹这个需求本身不难，难的是报错时很多人不知道从哪里查起。这里给一个实用的排查顺序，而不是一堆零散答案。
6.1 常见现象速查
先看现象，再决定查哪里：
| 现象 | 优先检查方向 |
|---|---|
| 文件夹中文乱码 | bat 文件编码是否 ANSI，系统区域设置 |
| 文件夹名丢失前导零 | 读取时是否加了 dtype=str |
| 只创建了一部分文件夹 | 是否碰到重名、非法字符或权限目录 |
| 脚本报 ModuleNotFoundError | pandas、openpyxl、xlrd 是否安装 |
| Excel 文件打不开或扩展名错误 | 先修复 Excel 文件本身，再运行脚本 |
| 文件夹建到别的位置 | 脚本当前工作目录和输出根目录是否设置正确 |
| 提示 Permission denied | 目标目录是否被占用或没有写入权限 |
6.2 排查顺序：现象 → 输入 → 环境 → 参数 → 脚本
我会按这个顺序排查，不要一上来就怀疑脚本写错。
先看现象。是报错、卡住、还是无输出。报错信息里通常会直接告诉你是哪一行出了问题。卡住多半是数据量太大或者 Excel 文件本身有问题。无输出最常见的原因是输入表为空、列名不对、脚本找不到文件。
再看输入。打开 Excel 检查列名是否和代码一致、是否有合并单元格、是否有隐藏列、是否有空白行。很多时候不是脚本错了，而是数据里出现了脚本没预料到的空单元格。
再看环境。依赖是否安装、Python 版本是否兼容、目标目录是否存在且可写。尤其是 Excel 文件被占用时，脚本读取会失败。
再看参数。exist_ok 是 True 还是 False，sheet_name 是不是默认，dtype 有没有写。这三个参数是新手最容易忽略的。
最后才回到脚本逻辑。如果前面的问题都不存在，再看当前目录、相对路径、循环逻辑有没有写错。
6.3 几个容易踩的坑点
第一个坑是列名里的空白字符。比如表头是“客户名称 ”而不是“客户名称”，代码里写的是“客户名称”，一读就报 KeyError。这个经常发生，特别是系统导出表格。排查时用 df.columns.tolist() 打印出来看，不要靠肉眼猜测。
第二个坑是 Excel 里合并单元格。合并区域除了第一个单元格，其余都是空值，脚本读到空值会跳过或生成错误名称。建目录前建议先取消合并单元格并向下填充。
第三个坑是文件路径包含中文。pandas 读取中文文件名一般没问题，但某些旧环境可能有编码问题。遇到这种情况，把脚本文件、Excel 文件都检查一下编码，或者把文件名改成英文。
第四个坑是“文件夹已存在”。这个现象很迷惑，看起来脚本没报错，但目录没有新建。实际上是因为上次跑过，目录已经存在，exist_ok=True 静默跳过了。此时应去目标路径看一眼，而不是重新跑。
7. 判断这套方法是否好用的三个标准
到这一步，你已经能根据 Excel 内容创建文件夹了，但“能用”和“好用”是两回事。最后给出三个判断标准。任何方案如果满足这三条，长期维护就很轻松。
7.1 可重复执行
同一套数据跑两次，结果是一致的。第一次创建了文件夹，第二次运行时不会因为目录已存在而中断，也不会生成垃圾目录。这就要求脚本用 exist_ok=True，并且在命名上保证稳定。
7.2 失败不静默
出了问题要能定位。不管是日志文件、失败清单，还是至少把异常行打印出来，都比“看起来没报错但文件夹少了几个”强。批处理方案在这方面比较弱，Python 方案可以用异常捕获补上。
7.3 有输出可查
脚本运行结束后，你要能回答三个问题：一共该建多少个文件夹，实际建了多少个，哪几个失败。如果没有输出记录，第二天数据变了又跑一遍，你根本分不清哪些目录是昨天的，哪些是今天的。
这三个标准不是为追求完美，而是为了降低返工成本。我见过为了省事，直接用最简单的批处理跑了三百行，五分钟像是成功了，最后发现有一半目录因为非法字符没建出来，重新整理比手动新建还慢。所以真正值得记住的不是某种脚本写法，而是先预览、再执行、失败留痕这三个动作。