RPA手把手——Excel 表格 使用日期函数踏过的一个坑
关注RPA请访问网站：
www.i-search.com.cn
学Python,用RPA,欢迎下载使用
www.i-search.com.cn/index.html?from=line1
背景：前阵子做了个 RPA 流程，RPA 流程内容是从某平台查询当天数据（需要输入当天日期），执行计划是每天跑一次。出于容错考虑，假设某天程序执行失败，第二天需要补查前一天的数据。所以没将查询日期写死在程序里面。计划通过 excel 自带的日期函数【=TODAY()】完成，如果需要补查之前日期的数据，在 excel 里面改下日期即可（帖子有点啰嗦，可在贴末直接看总结）。
如图：假如当天是 5 月 10 号，无论是 WPS 或 Excel 打开表格，里面显示的是 5 月 10 日的日期，次天读取时就会读成 11 号，周而复始。如果程序哪天执行失败了，次日只需要给单元格的函数 -1 就好，如：=TODAY()-1，通过这样子的方式来补跑一天前乃至几天前的数据即可。
问题出现：
····································隔离两天后，这是日期分割线····································
BUG 出现：今天是 12 好了，通过运行程序发现，程序查询的还是 5 月 10 号的日期，也就是说程序出 bug 了，因为按照正常来说，程序今天查询应该是 12 号数据才对，但实际却是查询 10 号的数据，然后下面我就开始了排查 bug 的道路。
排查步骤 1、 怀疑是 excel 日期出的问题。于是我先打开 excel 做检查，发现 excel 显示的日期是 5 月 12 号，如图，也就是说明 excel 显示没问题。
排查步骤 2、 检查程序流程代码。怀疑代码中某个获取日期数值的关键位置，可能在开发时为了方便测试，所以把日期写死为为 5 月 10 号的日期。逐一检查后，发现代码正常，不存在日期写死的情况。
排查步骤 3、 重新运行程序、重现问题。在程序运行后，恍然发现程序又运行正常了，可以查询的 12 号的数据。于是开始了一系列怀疑人生的道路。。。。
排查步骤 4、 经过再三反思和仔细推敲，怀疑程序是读取 excel 时出的问题。于是将程序执行到读取 excel 的数据的那一步，并将数据进行输出，结果如下：
[datetime.datetime(2020, 5, 12, 0, 0), datetime.datetime(2020, 5, 12, 0, 0), datetime.datetime(2020, 5, 12, 0, 0)，，，，]
显示读取日期数值是 5 月 12 号，结果正常。
于是我又从回收站翻出了一个前两天测试的文件，用 Excel 打开看了一下内容，单元格依旧是使用函数显示 5 月 12 号。于是重新执行程序进行读取单元格输出。结果如下：
[datetime.datetime(2020, 5, 10, 0, 0), datetime.datetime(2020, 5, 10, 0, 0), datetime.datetime(2020, 5, 10, 0, 0)，，，，]
这回输出的日期却是 5 月 10 号，和 EXCEL 手动打开显示的内容完全不一致。
推断：
1、 通过程序读取的表格内容，和我们平时使用 Excel 或 Wps 查看的表格内容并不一样。2、 如 Excel 在打开表格时，会对表格文件中单元格的函数重新进行计算，再显示给用户看。3、 而程序读取表格时，并不会对单元格的函数重新进行计算，而是直接读取文件最后一次修改的数据值。4、 排查步骤 3 中输出的日期数据是 12 好的，之所以会这样子是因为我在进行排查步骤 1 时，检查到日期正常，下意识按了 ctrl+s 进行保存，导致触发 Excel 重新计算 单元格的函数的各个值。（关于这点，我通过检查排除步骤 3 里面两个文件的属性，里面的修改时间确实一个为 10 号，一个为 12 号）
问题最终处理方案：
在程序初始化的时候，更新一下表格的某个单元格（理论上只需要重新打开并保存下表格就行，并不需要重新写入），如图，我对表格的 A1 单元格进行重新写操作（自动保存），之后再在读取日期列时，日期列输出则变成了 5 月 12 号，即当前日期。完美解决问题。
[datetime.datetime(2020, 5, 12, 0, 0), datetime.datetime(2020, 5, 12, 0, 0), datetime.datetime(2020, 5, 12, 0, 0)，，，，]
总结：
如果 Excel 表格里面的单元格使用到了日期函数，建议每次在读取相关数据之前，先打开和保存 (关闭) 下 Excel。之后再进行数据读取，防止读取的单元格数据为老数据。