订单车后台管理系统，自己开发的，基本功能齐全，支持excel订单导入功能，
最近在折腾一个自己用的订单车后台管理系统，核心功能基本跑通了。最让我得意的其实是Excel导入功能——这玩意儿看起来简单，实际处理起来比想象中麻烦得多。今天就跟大伙儿唠唠这功能的实现细节。
先看这段处理Excel文件的代码（Python + pandas）：
def parse_excel(file): try: df = pd.read_excel( file, usecols=['订单编号', '客户姓名', '商品名称', '数量'], dtype={'数量': 'int32'}, parse_dates=['下单时间'] ) raw_data = df.where(df.notnull(), None).to_dict('records') return normalize_data(raw_data) except KeyError as e: raise ValidationError(f"缺少必要字段：{e}")这里用pandas处理Excel确实省事，但有几个坑得注意：usecols参数确保只读取必要字段，防止垃圾数据混入；dtype强制转换数量字段为整型，避免出现"十件"这种奇葩数据。遇到空值时用where(df.notnull(), None)统一处理成None，比直接处理NaN更干净。
数据校验这块我用了双重保险：
class OrderValidator: @staticmethod def quantity_rule(val): if not 1 <= val <= 999: raise ValueError("单笔订单数量需在1-999之间") @staticmethod def phone_rule(val): if not re.match(r'^1[3-9]\d{9}$', val): raise ValueError("手机号格式错误")校验规则单独抽出来维护，后面要加新规则直接往里面塞就行。比如手机号正则，刚开始漏了166开头的号段，后来发现只要运营商出新号段就得更新，索性改成了现在这个简化版校验。
批量插入时的事务管理才是重头戏：
with transaction.atomic(): for batch in chunker(validated_data, 500): orders = [Order(**item) for item in batch] Order.objects.bulk_create(orders) create_operation_log( operator=request.user, action_type=IMPORT_ACTION, affected_count=len(orders) )这里用了Django的transaction.atomic()保证原子性，分批次插入避免内存爆炸。实测单次处理500条效率最高，超过1000条就会有明显延迟。操作日志的记录也放在事务里，这样就算中间出错，日志也不会出现偏差。
开发时还遇到个奇葩问题：某客户导入了5万条数据，系统直接卡死。后来发现是Excel公式计算导致的，解决方案是读取时加上data_only=True参数：
pd.read_excel(..., data_only=True)这才让系统扛住了各种妖魔鬼怪的Excel文件。现在回头看，一个看似简单的导入功能，要考虑数据类型、数据校验、事务处理、性能优化等十多个环节。不过折腾完这套系统，现在处理订单效率至少提升了三倍，值了！
建议自己造轮子的朋友注意：处理大数据量时一定要用内存缓存，别直接怼数据库；字段映射最好做成可配置的，后期调整起来方便；错误信息要具体到行号，不然用户根本不知道哪行出问题了。
