editar-xlsx-sin-perder-formulas

Editar un .xlsx existente sin perder fórmulas, estilos ni imágenes

Cuándo: hay que añadir o editar hojas en un .xlsx que el usuario ya usa (su Excel de facturas, su libro de cuentas). Si el fichero está en Drive, ver la sección de subida.

La regla

No uses openpyxl para reescribir un xlsx que el usuario ya usa. Medido sobre Ventas2026.xlsx (40 hojas de facturas, 252 KB): un load_workbook + save() borra los valores cacheados de todas las fórmulas (el RESUMEN se queda con la columna de totales vacía) y se lleva por delante los 40 xl/drawings/drawingN.xml. Pierdes datos silenciosamente.

La vía correcta es clonar la plantilla a nivel de XML y coser el ZIP: así las hojas existentes quedan byte a byte idénticas (verificado con sha256 parte por parte).

Esto vale para REESCRIBIR un fichero que el usuario ya usa. Para crear un libro nuevo desde cero (informes, mapeos, exports) openpyxl es la vía correcta y cómoda: multi-hoja, anchos de columna, autofiltro, paneles congelados, hipervínculos, hoja de metodología. Nada de eso pierde nada porque no hay original que preservar. openpyxl no está en el python por defecto de este Mac (sí en uv): uv run --with openpyxl python3 build_xlsx.py. Ejemplo de libro con hoja de metodología + una hoja por corte + resumen isla × tipo: skill ecosystem-entity-mapping (scripts/build_xlsx.py).

Anatomía de un xlsx (lo que hay que tocar para AÑADIR una hoja)

Un xlsx es un ZIP. Para añadir una hoja hay que editar 3 ficheros y añadir 1:

Fichero	Qué se le hace
`xl/workbook.xml`	insertar `<sheet state="visible" name="…" sheetId="N" r:id="rIdM"/>` justo antes de `</sheets>`
`xl/_rels/workbook.xml.rels`	`<Relationship Id="rIdM" Type="…/worksheet" Target="worksheets/sheetK.xml"/>` antes de `</Relationships>`
`[Content_Types].xml`	`<Override PartName="/xl/worksheets/sheetK.xml" ContentType="…spreadsheetml.worksheet+xml"/>` antes de `</Types>`
`xl/worksheets/sheetK.xml`	la hoja nueva (copia de la plantilla con las celdas cambiadas)

Ojo: sheetId (atributo de la hoja, único) y rId (relación) son espacios de nombres independientes; en los rels el Target no lleva barra inicial (worksheets/sheetK.xml). Pero openpyxl sí la escribe en sentido contrario (/xl/worksheets/…), así que un lector propio debe hacer .lstrip("/") o se rompe buscando xl/xl/worksheets/.

Leer sin openpyxl

Ver scripts/xlsx_read.py: saca hojas, shared strings y celdas. Sirve para leer y para verificar (es independiente del escritor, así que no valida sus propios errores).

Escribir una celda conservando su estilo

Reemplaza solo el interior de la celda y conserva los atributos (s="…" = índice de estilo). Para texto, usa t="inlineStr": así no hay que tocar sharedStrings.xml, la parte más frágil del formato.

def setnum(xml, ref, valor):          # celda numérica
    m = re.search(r'<c r="%s"([^>]*?)(?:/>|>.*?</c>)' % ref, xml, re.S)
    attrs = re.sub(r'\s+t="[^"]*"', '', m.group(1))       # quita t="s" heredado
    return xml[:m.start()] + '<c r="%s"%s><v>%s</v></c>' % (ref, attrs, valor) + xml[m.end():]

def setstr(xml, ref, texto):          # celda de texto, sin tocar sharedStrings
    m = re.search(r'<c r="%s"([^>]*?)(?:/>|>.*?</c>)' % ref, xml, re.S)
    attrs = re.sub(r'\s+t="[^"]*"', '', m.group(1))
    esc = texto.replace("&", "&amp;").replace("<", "&lt;").replace(">", "&gt;")
    return xml[:m.start()] + '<c r="%s"%s t="inlineStr"><is><t xml:space="preserve">%s</t></is></c>' % (ref, attrs, esc) + xml[m.end():]

Riesgo de la regex de celda: <c r="D1"… también casa dentro de <c r="D11"…. Es determinista (gana el primero), pero si D1 está vacía y autocerrada se come su cierre y descuadra el XML → Excel repara el archivo. Comprueba con zipfile.testzip() y volviendo a leer el fichero con un parser independiente.

Fórmulas: escribe el valor TAMBIÉN

Si la plantilla tiene <f>SUM(K27:K36)</f><v>252</v> y al escribir dejas <f> sin <v>, Excel recalcula al abrir; pero cualquier lector por datos (o el preview de Drive) puede ver vacío. Escribe la celda con <v> (o con ambos). En una factura, un total sin valor cacheado es un informe roto. Y ojo con las fórmulas compartidas (t="shared" si="1"): las hojas hijas llevan <f t="shared" si="1"/> sin texto; lo más simple es escribirlas como valor plano.

El bug del ZIP que engorda el fichero 10x

zf = zipfile.ZipFile(dest, "w", zipfile.ZIP_DEFLATED)
zf.writestr(zipfile.ZipInfo(name, ...), data)      # ❌ sale SIN COMPRIMIR (STORED)

Medido: 252 KB → 2.395 KB, con compress_type: 0 en las 131 entradas. writestr con un ZipInfo nuevo ignora el compression del constructor. Hay que ponerlo explícito:

ni = zipfile.ZipInfo(name, date_time=zi.date_time)
ni.compress_type = zipfile.ZIP_DEFLATED
ni.external_attr = zi.external_attr                  # conserva permisos
zf.writestr(ni, data)                               # ✅ 265 KB

Verificación obligatoria (antes de decir "hecho")

Las partes originales no cambian: sha256 de cada xl/worksheets/*.xml y de xl/sharedStrings.xml igual que en el original. Las únicas que deben diferir son workbook.xml, workbook.xml.rels y [Content_Types].xml.
zipfile.testzip() devuelve None.
El número de hojas es el esperado y las originales conservan su orden.
Las celdas nuevas tienen el valor correcto (leer con el parser independiente).
Si se sube a Drive, verificar DESCARGANDO de Drive, no del fichero local.

Subir a Drive sobreescribiendo (xlsx, no Google Sheet)

Un .xlsx en Drive no se puede editar con la API de Sheets: 400: This operation is not supported for this document. The document must not be an Office file. Se sube entero por el endpoint de upload:

url = "https://www.googleapis.com/upload/drive/v3/files/%s?uploadType=media&fields=id,version" % SS
req = urllib.request.Request(url, data=open(f, "rb").read(), method="PATCH",
        headers={"Authorization": "Bearer " + TOK,
                 "Content-Type": "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"})

Antes de subir: copia del original fuera de Drive y compara version para no pisar cambios hechos entre medias. Después: avisa al usuario de que si tenía el fichero abierto, debe cerrarlo y reabrir (su copia en memoria puede sobreescribir lo subido).

Cuándo NO usar esto

Si el usuario quiere una hoja nativa de Google Sheets → convierte el fichero o usa la API de Sheets.
Si hay que reordenar/eliminar muchas hojas o tocar formato condicional complejo → el XML a mano empieza a ser peor que convertir a Google Sheet y trabajar por API.
Computer use no sirve para esto: el driver puede no capturar la ventana del navegador (capture devuelve 0x0 y 0 elementos) y clonar una hoja a mano por UI no es verificable. Si el driver falla así, no insistas: usa esta vía por API y dilo.