上周我做了一件之前从来没做过的事：

我把公司10家银行的Excel导出文件，一个一个打开，然后写Python代码，把它们的数据格式全部搞清楚。

说实话，我以为这件事会很简单。

银行流水嘛，不就是日期、摘要、金额、余额，几列数据？我以为写一套通用的读取方式，稍微改改列名，10家银行就搞定了。

结果我发现，我完全低估了这件事的复杂程度。

标题行在第几行？每家银行的答案都不同

这是我遇到的第一个坑。

一般读取Excel，默认第1行是标题、第2行开始是数据。我写完代码，先试了宁波银行。

结果程序报错：字段名找不到。

我打开原文件一看——宁波银行的Excel，前两行是公司名称和账户信息，标题行在第3行，数据从第4行才开始。

好，改一下。我把宁波银行单独处理。然后试中信银行。

又报错。

中信银行的Excel文件，居然有14行的文件头说明（包括账户信息、查询区间、余额等），标题行在第15行，数据从第16行开始。

我当时看到这个的时候，有点愣：同样是银行、同样是导出流水，格式差这么多？

我后来把10家银行挨个列了一遍，发现标题行的位置从第1行到第15行都有。每家银行都有自己的判断方式——有的靠固定的行号，有的要用特定关键词（比如”交易日期”这个词出现的那行）来动态查找。

代码里最后出现了10段几乎完全不同的解析逻辑。

收入和支出，每家银行的表示方法也不一样

这是我遇到的第二个坑，也是最让我哭笑不得的一个。

银行流水的核心数据就是：钱进来了还是出去了，金额是多少。

但我研究下来发现，各家银行的表达方式简直是”百花齐放”：

方案一：分两列（最常见） – 一列”借方金额”（支出），一列”贷方金额”（收入） – 没发生的那笔就是空值或者0 – 这是最规范的格式，代码最好处理

方案二：合并一列 + 方向标记 – 中国银行是这样的：金额都在同一列，另外有一列”账户性质”，标注的是”往账”（支出）还是”来账”（收入） – 要先读方向列，再判断金额正负

方案三：合并一列 + 正负号 – 有的银行直接用正负号来区分，正数是收入，负数是支出

三种格式，三套判断逻辑。不能混用，否则方向就反了。

日期格式：这是重灾区

如果说前两个坑还能理解，那日期格式的混乱真的让我刷新了认知。

我在代码里最后遇到了三种完全不同的日期格式：

格式一：Excel数字序列号

有些银行导出的xls文件，日期那列显示的不是”2026-03-28″，而是一个数字，比如46117。

这是Excel内部的”日期序列号”——从1900年1月1日算起的天数。你要把这个数字转回成真实日期，需要专门的换算。

第一次看到这个数字的时候，我以为是数据损坏了。

格式二：YYYYMMDD纯数字

有的银行导出是20260328这样的8位纯数字，看起来像日期，但Python默认不会识别，要手动解析。

格式三：带时间的完整字符串

有的银行是2026-03-28 09:15:32，带上了精确到秒的交易时间，格式倒是规范，但要把时间部分截掉才能用。

三种格式，都要单独处理。

最奇特的格式：一笔交易占两行

10家银行里，最让我意外的是通商银行。

我读它的文件时，一直觉得数据量不对——数据行数是其他银行的两倍左右。仔细看才发现：

它的每一笔交易，占了两行。

第一行是基本信息（日期、金额、摘要）；第二行是补充信息（对方账户名称、附言等）。

这两行要合并成一条记录，才能正常处理。

我当时的第一反应是：这……是手动设计出来的格式吗？还是系统导出的？

后来我认了，把奇数行和偶数行分别读取然后合并。

还有两家银行，余额根本不在文件里

工商银行和浙商银行的导出文件，没有余额列。

我一开始以为是我读取的方式不对，反复检查代码、反复打开文件确认。最后确认：这两家银行的Excel导出格式，确实不包含余额数据。

这对日报表来说是个问题，因为日报要体现每家银行的期末余额。

目前的处理方式是：这两列的余额需要手动补录。

如果你也要对接多家银行的导出数据，有一件事建议先做：把每家银行的Excel打开，手动标注一下”标题行在第几行、收入支出怎么区分、日期是什么格式”。这张表格做出来，后面无论是自己写代码还是让AI来写，都能省很多来回。

做完这件事，我有一个很强烈的感受

我们平时用Excel看银行流水，打开来看看，数据好像差不多。

但当你要写代码来自动处理它，你就会发现——格式上的每一个细微差别，都是一道坎。

我做了10年财务，每天都在看银行流水，但我从来没有意识到：这10家银行的数据，在格式层面，几乎没有任何统一标准。

每家银行的开发团队，大概都是自己定的导出格式，没有互相参考，更没有遵循什么行业规范。

结果就是：每家银行，都需要单独写一段解析代码。

这件事花了我大概两天时间。

如果是我自己在没有AI辅助的情况下写这些代码，可能要花两周，而且大概率中途放弃。AI的作用，在这种”样板式但数量多”的工作上，体现得特别明显。

下一步

解析代码写完之后，数据能读出来了，但还有一个更复杂的问题等着我：

这些交易记录，该对应哪个会计科目？

宁波银行转出一笔38000元，对方名称是”XX人力资源有限公司”——是工资？还是劳务费？还是用工服务费？

这个判断，比格式解析要难得多。

下一篇我来聊这个。

如果你们公司也有多家银行账户要每天对账，看到这篇你应该懂我说的是什么感觉了——那种”明明是同一件事，每家银行偏偏都不一样”的无奈。

欢迎在评论区告诉我，你们那边对账最麻烦的是哪个环节。

我是静静，在工业制造企业做财务，正在做一个11周的财务AI化实验。

记录真实的尝试过程，包括成功和失败。

关于作者

静静：财务经理，正在用11周时间推进公司财务AI化改造。这里记录真实的过程、卡点和结果。

本系列导航

• 第01篇｜一个没有编程背景的财务经理，打算用11周改造整个部门
• 第02篇｜财务人最真实的焦虑：不是怕AI，是怕落后那一批人
• 第03篇｜做财务AI化的第一周，我被3件事打了脸
• 第04篇｜ 财务AI化实录：10家银行Excel格式，没两家相同（当前）

你们公司有没有类似的问题？欢迎留言，我们来聊聊。

📱 AI财务实战

关注公众号，获取每周财务AI化实战记录

🎁 限时免费领取

财务AI化岗位诊断表

填3分钟，看清你的岗位每月浪费多少小时、哪些任务最值得先改

扫码加微信，发「诊断表」免费领取

微信号：A2025kuaiji