简介这是一份面向Lua开发与数据配置场景的Excel转Lua辅助工具包适合游戏开发、配置管理及需要批量处理表格数据的开发者使用重点解决Excel数据难以被Lua程序直接读取、手动转录易出错的问题。压缩包共4个文件包含xlsx示例表格、py转换脚本、bat快捷启动文件和docx使用说明整体约159KB体积轻便便于快速查看与本地运行。已有691人学习说明其在Lua数据导出需求中具有一定参考价值。资源围绕表格导入、转换规则配置、Lua代码生成与导出等环节提供可操作示例读者可借助示例表与脚本理解字段映射和数据类型转换思路并参考说明文档完成基础环境配置与批量导出从而减少重复手工整理配置表的时间提升数据驱动项目的开发与维护效率。1. 一份策划表八个人改为什么我坚持用脚本导 Lua策划表改到第七版程序里那份.lua还停在第三版——这种事在配置驱动的项目里几乎每周都上演一次。excel转lua 这个工具要解决的就是这段重复劳动把 xlsx 里维护的数值表按约定表头解析成 Lua table直接require进客户端或服务端省掉手工抄写和二次录入。它适合手里已经有几十张 Excel 配置表、又不想为这点需求上一整套配置中台的团队尤其适合两三个人维护一条工具链的小项目。我见过最常见的做法是写个百来行的 Python 脚本跑通就不管了三个月后没人敢动最后变成只有某一个人电脑上能跑的黑匣子。真正难的地方从来不是读 Excel而是表头约定、类型校验、增量导出和出错之后能不能定位到具体单元格。2. 拆开导表链路表头约定、类型系统与 Lua 输出形态在动手写代码之前先把“表长什么样”和“产物长什么样”定死。这两件事定不下来后面每加一个字段都要改一次解析器改到最后脚本里全是特判分支。我一般会把导表拆成三层读取层只负责把 xlsx 变成二维数组转换层负责把字符串变成带类型的值序列化层只负责拼 Lua 文本。三层各管一件事出错时能一眼看出是哪一层的问题。2.1 一张能导出的表长什么样我用的约定是三行表头第四行开始才是数据。第一行字段名全小写英文加下划线第二行类型第三行中文注释导表时不参与计算但会写进产物里方便对表。第一列固定是主键id类型必须是int或string。这个约定听起来很土但它把解析器的复杂度压到了最低不用猜哪一行是表头不用处理多级表头合并也不用担心策划把注释写到数据区中间。一个典型的配置表大概长这样行ABCD1idnameatktags2intstringintarray3编号名称攻击力标签41001剑士12近战|物理51002法师6远程|法术几条硬规则不要合并单元格合并区域在 openpyxl 里只有左上角有值其余读出来全是None一张 sheet 只放一张表多张表就多开 sheet数据区中间不能插空行空行会被当成表结束后面的行静默丢失字段名不要用end、for、then这种 Lua 保留字序列化出来直接语法错误。数组类型用arraystring、arrayint这种写法元素之间用竖线|分隔不用逗号。原因很实际某些地区的数字格式里逗号是千分位策划从别处粘过来的 “1,200” 会被拆成两个元素而竖线在正常文本里几乎不会出现。2.2 为什么选 xlsx Lua而不是 csv json这是被问得最多的问题。直接把几种方案摆在一起看方案读取成本可读性主要问题csv 运行时解析每次启动都要解析中编码容易乱多 sheet 不支持策划改表要另存xlsx json需要 json 库高加载慢浮点数在 json 里精度表现不一致xlsx 二进制需要额外打包工具低出问题没法直接看排查成本高xlsx Lua table零解析直接 require高文本体积略大大表要注意分文件Lua 文件本质是可执行的 table 字面量require的时候虚拟机直接构造对象没有词法解析之外的开销。对一张几千行的表来说这个差别在启动阶段是能感觉到的。同时文本产物可以 diff策划改了哪一行、数值从多少变成多少在版本管理里一眼可见这一点在排查线上数值问题时特别值钱。二进制方案省的那点体积换来的是每次出问题都要把包解开反序列化一遍不划算。选 xlsx 而不是 csv是因为策划的工作界面就是 Excel。让他们为了导表去另存 csv迟早有人忘记然后导出一份过期数据。工具应该去适配人的习惯不是反过来。2.3 输出的 Lua 形态字典表、数组表与嵌套同一个表可以导出成两种形态取决于使用方怎么查。字典表以主键为 key适合按 id 精确查找local M { [1001] { id 1001, name 剑士, atk 12, }, [1002] { id 1002, name 法师, atk 6, }, } return M数组表按行顺序排列适合遍历做全量计算比如统计所有单位的属性总和local M { { id 1001, name 剑士, atk 12, }, { id 1002, name 法师, atk 6, }, } return M我一般默认导出字典表同时在文件头保留一份__order数组记录原始顺序需要顺序遍历的时候用它。这样两种访问方式都不用改产物结构local M { __order { 1001, 1002 }, [1001] { id 1001, name 剑士, atk 12, }, [1002] { id 1002, name 法师, atk 6, }, } return M嵌套结构只支持一层也就是字段值是array基础类型。不支持arrayarrayint或者表里套表因为一旦允许嵌套表头就没法用一行类型表达清楚最后一定要引入额外的 schema 文件。到那一步工具已经不是“excel转lua 小脚本”了该考虑成熟的配置方案。边界划清楚脚本才能长期维护。3. 从 xlsx 到 .lua一个能跑起来的转换器怎么写这一章给出可以直接抄的完整实现。整个脚本两百行左右不依赖任何框架只装一个openpyxl。我建议把它放在工程的tools/export/目录下产物输出到config/或者scripts/config/具体看项目的require路径怎么配。3.1 环境与依赖先把读取层跑通Python 用 3.8 以上都行openpyxl 建议锁一个次版本避免不同机器上行为不一致。python -m venv .venv source .venv/bin/activate # Windows 用 .venv\Scripts\activate pip install openpyxl3.1.2 python -c import openpyxl; print(openpyxl.__version__)把版本钉死的理由很实际openpyxl 在不同版本里对空单元格、只读模式、日期格式的处理有过变化。工具链上的依赖不锁版本早晚会遇到“我这能跑你那不能跑”的玄学问题。虚拟环境放在工具目录下不要用全局 Python避免和项目其他依赖打架。读取层先用最小代码验证一遍import openpyxl wb openpyxl.load_workbook(hero.xlsx, data_onlyTrue, read_onlyTrue) print(wb.sheetnames) ws wb[Sheet1] for row in ws.iter_rows(min_row1, max_row5, values_onlyTrue): print(row)data_onlyTrue表示读公式的缓存结果而不是公式本身read_onlyTrue走流式读取大表内存占用低很多。这两个参数都有副作用后面避坑章节会专门讲。先确认能打印出前五行说明文件本身没问题再往上叠逻辑。3.2 表头解析类型行、注释行与字段映射表头解析的核心是把三行表头对齐成(字段名, 类型)的列表并且把空列剔掉。空列很常见策划在右边留了几列备用不剔掉的话序列化时会生成一堆[] ...的垃圾字段。def parse_type(raw): 把类型字符串拆成 (基础类型, 元素类型)。arrayint - (array, int) t (raw or ).strip() if t.startswith(array) and t.endswith(): return array, t[6:-1].strip() return t, None def parse_header(rows): rows 是前三行返回 [(列号, 字段名, 类型, 元素类型, 注释)] names [str(c).strip() if c is not None else for c in rows[0]] types [str(c).strip() if c is not None else for c in rows[1]] notes [str(c).strip() if c is not None else for c in rows[2]] fields [] for idx, name in enumerate(names): if not name: # 空列直接跳过 continue base, elem parse_type(types[idx] if idx len(types) else ) if base not in (int, float, string, bool, array): raise ValueError(f第 {idx 1} 列 {name} 类型非法: {base!r}) fields.append((idx, name, base, elem, notes[idx] if idx len(notes) else )) return fields这里做了两件事一是把arrayint拆成基础类型和元素类型二是对未知类型直接抛异常。第二点很重要宁可导表时报错也不要把一个拼错的strring静默当成字符串处理等到运行时才发现字段是空的排查成本高得多。错误信息里带上列号策划能自己定位到哪一列写错了。字段名还要做一次合法性检查LUA_RESERVED {and, break, do, else, elseif, end, false, for, function, if, in, local, nil, not, or, repeat, return, then, true, until, while} def check_field_name(name): if name in LUA_RESERVED: raise ValueError(f字段名 {name} 是 Lua 保留字) if not name.replace(_, ).isalnum() or name[0].isdigit(): raise ValueError(f字段名 {name} 含非法字符)保留字这一条踩过的人不少。表里有个字段叫end表示结束时间导出后整个文件语法错误Lua 报的行号还指向下一行查半天。加几行检查比事后 debug 划算。3.3 值转换int、float、string、bool 与数组的落地写法转换层的原则是空值不猜类型不对就报错。空单元格在 int 列上到底该是 0 还是报错我选报错。因为 0 在数值表里通常是有意义的攻击力为 0 的单位静默填 0 会把“漏填”伪装成“填了 0”线上表现就是某个单位打人不掉血。TRUE_SET {1, true, yes, y, 是} FALSE_SET {0, false, no, n, 否} def to_bool(raw, where): if isinstance(raw, bool): return raw s str(raw).strip().lower() if s in TRUE_SET: return True if s in FALSE_SET: return False raise ValueError(f{where} 无法识别为 bool: {raw!r}) def to_int(raw, where): if isinstance(raw, bool): raise ValueError(f{where} 是布尔值不能当 int) try: f float(str(raw).strip()) except (TypeError, ValueError): raise ValueError(f{where} 无法转为 int: {raw!r}) if f ! int(f): raise ValueError(f{where} 是小数不能当 int: {raw!r}) return int(f) def to_float(raw, where): try: return float(str(raw).strip()) except (TypeError, ValueError): raise ValueError(f{where} 无法转为 float: {raw!r}) def to_string(raw, where): if raw is None: return return str(raw).strip() def convert_cell(raw, base, elem, where): 单单元格转换入口where 用于错误定位形如 hero.xlsx/Sheet1!C4 if base array: if raw is None or str(raw).strip() : return [] parts [p for p in str(raw).split(|)] return [convert_cell(p.strip(), elem, None, where) for p in parts if p.strip() ! ] if raw is None or (isinstance(raw, str) and raw.strip() ): if base string: return raise ValueError(f{where} 空单元格类型为 {base}) if base int: return to_int(raw, where) if base float: return to_float(raw, where) if base bool: return to_bool(raw, where) return to_string(raw, where)to_int里先转float再判整数是因为 Excel 存数字统一是双精度1001读出来可能是1001.0。直接int(1001.0)会抛异常先转 float 再判断有没有小数部分能同时兼容1001和1001.0两种写法。where参数一路传下去报错时能直接告诉策划是哪个文件、哪个 sheet、哪个单元格这条信息比任何日志都管用。数组元素为空时直接跳过不生成空字符串元素。策划在tags列里写成近战||物理中间多打一个竖线跳过空段比报错更符合实际使用习惯——这种输入八成是手滑不是有意为之。3.4 Lua 序列化缩进、转义与输出文件组织序列化层只做一件事把 Python 值变成合法的 Lua 字面量。字符串转义是最容易翻车的地方引号、反斜杠、换行都要处理少一个就语法错误。def escape_lua_string(s): return (s.replace(\\, \\\\) .replace(, \\) .replace(\n, \\n) .replace(\r, \\r) .replace(\t, \\t)) def fmt_float(v): 保留 6 位有效小数并保证结果带小数点区分 Lua 5.3 的整数/浮点 s (%.6f % v).rstrip(0) if s.endswith(.): s 0 return s def to_lua(v, level0): pad * level if isinstance(v, bool): return true if v else false if isinstance(v, int): return str(v) if isinstance(v, float): return fmt_float(v) if isinstance(v, str): return %s % escape_lua_string(v) if isinstance(v, list): if not v: return {} inner , .join(to_lua(x, level 1) for x in v) return { %s } % inner if isinstance(v, dict): if not v: return {} lines [] for k, val in v.items(): key [%s] % to_lua(k) if not isinstance(k, str) or not k.isidentifier() else k lines.append(%s %s %s, % (pad, key, to_lua(val, level 1))) return {\n%s\n%s} % (\n.join(lines), pad) raise TypeError(不支持的类型: %r % type(v))fmt_float那几行看着啰嗦但有必要。Lua 5.3 之后整数和浮点是两种类型1和1.0在除法、取模、序列化上的行为不同。如果表里定义的是 float输出成1会让下游拿到整数某些计算出人意料。补一个.0保证类型一致。最后是主流程把三层串起来def export_sheet(xlsx_path, sheet_name, out_path, table_name): wb openpyxl.load_workbook(xlsx_path, data_onlyTrue, read_onlyTrue) ws wb[sheet_name] rows list(ws.iter_rows(values_onlyTrue)) if len(rows) 4: raise ValueError(f{xlsx_path.name}/{sheet_name} 数据行不足) fields parse_header(rows[:3]) for _, name, _, _, _ in fields: check_field_name(name) primary_idx, primary_name fields[0][0], fields[0][1] records, order, seen {}, [], set() for row_no, row in enumerate(rows[3:], start4): if row is None or all(c is None or str(c).strip() for c in row): continue where_base f{xlsx_path.name}/{sheet_name} values {} for idx, name, base, elem, _ in fields: raw row[idx] if idx len(row) else None where f{where_base}!{openpyxl.utils.get_column_letter(idx 1)}{row_no} values[name] convert_cell(raw, base, elem, where) key values[primary_name] if key in seen: raise ValueError(f{where_base} 主键重复: {key}行号 {row_no}) seen.add(key) records[key] values order.append(key) lines [ -- 由导表工具自动生成请勿手动修改, f-- source: {xlsx_path.name} / {sheet_name}, local M {, __order { %s }, % , .join(to_lua(k) for k in order), ] for k in order: lines.append( [%s] %s, % (to_lua(k), to_lua(records[k], 1))) lines.append(}) lines.append(return M) out_path.parent.mkdir(parentsTrue, exist_okTrue) out_path.write_text(\n.join(lines) \n, encodingutf-8)几个参数值得说明。table_name目前只用于日志产物文件名由out_path决定保持hero.xlsx导出hero.lua的对应关系方便反查。primary_idx取fields[0]也就是第一列这是前面约定好的。主键重复检查放在导出阶段而不是校验阶段是因为它属于致命错误出现了就不该产出文件避免把坏数据带进工程。__order用to_lua(k)而不是直接拼字符串是因为主键类型可能是字符串需要加引号。这个小细节不做字符串主键的表导出后 key 全变成变量名加载时报attempt to index a nil value。输出编码统一用 UTF-8不加 BOM。Windows 上某些编辑器默认存 GBK读回来中文全是乱码这类问题在跨平台协作里非常常见写入时显式指定encodingutf-8能省掉一轮扯皮。4. 接进工程批量导出、增量跳过与三道校验单表能导只是起点真接进工程要解决三件事一次导全部表、没改的表别重复导、导完能自动发现坏数据。这三件事不做工具就只能在自己电脑上手动跑团队里没人会用。4.1 批量导出与目录约定目录结构建议固定成配置表/放 xlsxconfig/放产物导出脚本遍历前者输出到后者目录层级保持一致。这样新增一张表只要丢进目录不用改脚本。import argparse from pathlib import Path import openpyxl def iter_workbooks(root): for p in sorted(Path(root).rglob(*.xlsx)): if p.name.startswith(~$): # Excel 打开时生成的临时文件 continue if p.name.startswith(.): continue yield p def export_all(src_root, dst_root, sheet_mapNone): total, failed 0, [] for xlsx in iter_workbooks(src_root): try: wb openpyxl.load_workbook(xlsx, data_onlyTrue, read_onlyTrue) names [n for n in wb.sheetnames if not n.startswith(_)] wb.close() for sheet in names: table xlsx.stem if len(names) 1 else f{xlsx.stem}_{sheet} out Path(dst_root) / f{table}.lua export_sheet(xlsx, sheet, out, table) total 1 print(f[OK] {xlsx.name}/{sheet} - {out}) except Exception as e: failed.append((str(xlsx), str(e))) print(f[FAIL] {xlsx.name}: {e}) print(f导出 {total} 张失败 {len(failed)} 张) return failed if __name__ __main__: ap argparse.ArgumentParser() ap.add_argument(--src, default配置表) ap.add_argument(--dst, defaultconfig) args ap.parse_args() bad export_all(args.src, args.dst) raise SystemExit(1 if bad else 0)~$开头的文件必须跳过。Excel 打开一个 xlsx 时会在同目录生成~$xxx.xlsx的锁文件内容不是合法的工作簿遍历时不排除导出必定失败。这个坑几乎每个导表工具都会踩一次。以_开头的 sheet 也跳过。这是给策划留的约定临时计算、草稿、备注页命名成_xxx导表工具不处理免得把中间结果导进包里。脚本用退出码表达结果failed非空时SystemExit(1)。这样接进构建流程时导表失败能中断后续步骤而不是打一行红字继续往下跑最后打出一个缺表的包。4.2 增量导出用内容哈希而不是修改时间全量导出几十张表通常不算慢但接进热重载或者监听模式后每次都全导就难受了。增量的常规做法是记录上次的哈希没变就跳过。这里我坚持用文件内容哈希不用 mtime。import hashlib import json def file_digest(path): h hashlib.md5() with open(path, rb) as f: for chunk in iter(lambda: f.read(1 20), b): h.update(chunk) return h.hexdigest() def load_stamp(stamp_path): p Path(stamp_path) if not p.exists(): return {} return json.loads(p.read_text(encodingutf-8)) def save_stamp(stamp_path, data): Path(stamp_path).write_text( json.dumps(data, ensure_asciiFalse, indent2, sort_keysTrue), encodingutf-8) def export_incremental(src_root, dst_root, stamp_path.export_stamp.json): stamp load_stamp(stamp_path) new_stamp dict(stamp) skipped 0 for xlsx in iter_workbooks(src_root): digest file_digest(xlsx) if stamp.get(str(xlsx)) digest: skipped 1 continue # 这里调用单表导出逻辑略 new_stamp[str(xlsx)] digest save_stamp(stamp_path, new_stamp) print(f跳过 {skipped} 张未变更的表)mtime 的问题在于它不可靠从版本库拉一次代码所有文件 mtime 全变成当前时间增量判断直接失效某些同步盘在后台改文件属性内容没变 mtime 却变了同样会触发无谓的全量导出。哈希读的是内容跟时间无关虽然多花一点 IO但判断准确。表文件通常不大这点开销可以接受。stamp 文件记得加进忽略列表。它是本地状态提交上去会让别人拉到一份过期的哈希表增量判断全乱。4.3 导出前后的一致性校验校验分三道分别在不同的时间点跑拦截的问题类型也不一样。第一道在单元格转换时也就是前面convert_cell里的类型检查。它拦的是“填错类型”和“漏填”错误信息带单元格坐标策划自己能改。第二道在整表导出时检查主键重复、主键为空。主键重复意味着两行数据互相覆盖后一行赢这种 bug 在线上表现为“某个单位的数值莫名其妙不对”非常难查。第三道在全部导出完成后检查跨表引用。比如drop表里的item_id必须能在item表里找到这种检查单表做不了必须等所有表都导完再做一次。def check_reference(rows, field, target_table, target_keyid): rows: [(来源定位, 引用值)]target_table: 已加载的目标表字典 bad [] for where, ref in rows: if ref in (None, , 0): continue if ref not in target_table: bad.append(f{where} 引用了不存在的 {target_key}{ref}) return bad跨表校验的难点不在代码在于维护“哪张表的哪个字段引用哪张表”这份配置。我的做法是在表头注释行里写约定比如注释写成#ref:item.id解析时识别这个前缀自动注册引用关系。这样加字段不用改校验脚本约定跟着表走表复制到别的项目也能用。三道校验都通过之后才写产物文件。顺序很重要先校验后写盘避免中途失败留下半份文件下次增量导出时因为哈希已更新而跳过产出一个缺表的包。5. 避坑与排查五类翻车现场的现象、原因与解法下面这几条都是实际遇到过的每一条都能让导表静默产出错误数据而不是干脆报错。静默错误比崩溃可怕得多因为崩溃你会去修静默错误会一路进到线上。5.1 合并单元格导出的字段大面积变空现象某张表导出后除了第一行后面几行的某个字段全是空字符串但 Excel 里看着每行都有值。原因那一列被合并了单元格openpyxl 只在合并区域的左上角单元格存值其余位置读出来是None。data_only和read_only都改变不了这个行为因为文件里本来就只有一份值。解决导表前在约定里明确禁止合并单元格这是一个团队规范问题不是代码问题。如果历史表改不动可以在读取层做向下填充记录每一列上一个非空值遇到None就用上一个。但填充逻辑要限定在明确标记过的列上否则会把“真的漏填”也填成上一行的值掩盖错误。我一般只在读取层加一个--fill-merged开关默认关闭谁需要谁开。5.2 公式列读出来全是 None现象表里有一列是B4*C4算出来的Excel 里显示正常导出来全是空触发“空单元格”报错。原因data_onlyTrue读的是公式的缓存计算结果而缓存结果只有在 Excel 里打开并保存过之后才写进文件。如果这个 xlsx 是程序生成或者从没在 Excel 里保存过缓存区就是空的。解决两条路。一是在流程上加约束要求策划改完表必须用 Excel 保存一次工具在读取前检查是否有公式列缺缓存二是干脆禁止在配置表里写公式派生值由导表脚本算或者由运行时计算。我更倾向第二条配置表应该是纯数据公式藏在单元格里别人看不到计算逻辑出了问题也没法 diff。5.3 浮点数精度在产物里变成一长串现象表里填的是0.3导出的 Lua 里是0.29999999999999999或者填1.0导出成1。原因Excel 内部用双精度浮点存储0.3无法精确表示读出来就是那个近似值。str()默认会打印足够多的位数来还原这个浮点看起来就很长。1.0变1是因为 Python 的整数和浮点在打印时不同而序列化时没做类型区分。解决序列化时统一走fmt_float用%.6f截断再补小数点。6 位对游戏数值来说足够了超过这个精度的需求应该换存储方案比如把小数放大成整数存。另外float 类型的字段一定要保留小数点避免下游把它当整数处理。5.4 增量导出跳过了刚改过的表现象策划改了表重新跑导表日志显示“跳过”产物没更新游戏里数值还是旧的。原因三种可能。stamp 文件被别人提交到了版本库拉下来是一份旧哈希同步盘改了文件但没改内容或者改了内容但哈希恰好没更新还有一种最容易忽略导出失败时仍然更新了 stamp导致下次直接跳过。解决stamp 文件必须加进忽略列表只存在于本地。更新 stamp 的时机要放在文件成功写盘之后失败路径不写。另外加一个--force参数跳过哈希判断强制全量导出遇到可疑情况先强制导一次看看产物有没有变化比对着日志猜快得多。5.5 字符串里的引号和换行导致 Lua 语法错误现象导出的.lua加载时报unfinished string或者unexpected symbol报错行号指向字段中间。原因策划在描述字段里写了引号或者手动换行序列化时没有转义。Lua 的长字符串[[...]]可以规避一部分转义问题但里面出现]]又会提前结束不是万能的。解决序列化统一走escape_lua_string反斜杠、双引号、换行、回车、制表符全覆盖。导出完成后加一步语法自检用 Lua 解释器把产物加载一遍for f in config/*.lua; do luac -p $f || echo 语法错误: $f doneluac -p只做语法检查不生成字节码跑一遍很快。这一步接进导出流程能在提交前拦住绝大多数序列化 bug比等到运行时加载失败再回头查便宜得多。6. 进阶手法把导表结果变成可 diff、可回归的产物工具跑通之后真正决定它能不能长期用的是产物稳不稳定。同一份 xlsx 导两次如果产物的字段顺序、key 顺序不一致版本管理里每次都是满屏 diff没人愿意看也就没人能发现真正的数值变化。我的做法是强制排序。__order按主键升序输出字段按表头顺序输出字典 key 排序由主键顺序决定不依赖 Python 字典的插入顺序。这样只要 Excel 内容不变两次导出的产物字节完全一致。实现上很简单导出前对order做一次sorted()前提是主键类型统一int 和 string 混在一列的表要先报错。再进一步把导表接成一次回归检查。产物文件提交进版本库每次改动 CI 里跑一遍全量导出然后git diff --exit-code config/有差异就说明有人改了 Excel 但没提交产物或者工具行为变了。这一步能拦住两类问题策划改表忘记同步以及脚本改动意外影响了其他表的输出。检查项执行时机拦截的问题类型与空值单元格转换时填错类型、漏填主键重复单表导出时数据互相覆盖跨表引用全部导出后引用了不存在的 id语法自检写盘后字符串未转义产物 diff提交前/CI改了表没提交产物还有一个小技巧在产物头部写一行源文件哈希运行时如果怀疑配置版本不对直接看这行就知道产物对应哪一版 Excel。-- 由导表工具自动生成请勿手动修改 -- source: hero.xlsx / Sheet1 -- digest: 9f2c1e... local M { ... } return M线上出数值问题时先看这行哈希和最新提交的 Excel 对不对得上能省掉大量“到底导没导”的争论。从那以后我每次改导表脚本都会先全量导一遍再git diff --stat看一眼确认变动的只有预期内那几张表才敢提交。这个习惯拦下过好几次因为公共函数改动导致全部产物格式变化的翻车。希望帮到你。本文还有配套的精品资源点击获取
