[Bug]: a spreadsheet whose first 100 rows are blank loses every row when the used range is over 10000

快速结论：该报错发生在用 RAGFlow 的 Excel 解析器（deepdoc/parser/excel_parser.py）解析工作表时，如果工作表 used range 超过 10000 行，而前 100 行恰好全是空白，解析器会把整张表当成空表丢弃，RAGFlowExcelParser.html 返回 0 个 chunk。优先检查数据起始行是否在 100 行之后，以及工作表是否因样式单元格（如加粗、无值单元格）把 used range 撑到 10000 行以上。

适用环境：Issue 中已确认的环境为：从源码运行 parser，commit 70601910e，Python 3.13.14，openpyxl 3.1.5，macOS 26.6.2 arm64，无 Docker 镜像。问题是 deepdoc/parser/excel_parser.py 中的逻辑，容器构建不会改变它。

最快修复方案：升级到包含 PR #19237 的版本。Issue 关闭说明中确认该 PR 已修复此问题，验证 commit 为 58035bdfe。

注意事项：该修复替换了原来的 100 行 guard，改为扫描已物化的单元格，因此空白前导行不再被误判为空表。选择其他 PR 时要注意：#19219 只改搜索后的行数上限，不修搜索前的 guard，对本文场景仍返回 0；#19234 替换整个函数，也能返回正确行数。这是与 #19185（数据中间有空白间隙、以及二进制搜索后的 500 行上限）不同的触发路径，两者都需要 used range 超过 10000 行。

问题场景

用户从源码运行 RAGFlow，调用 deepdoc/parser/excel_parser.py 中的 RAGFlowExcelParser.html 解析 Excel/工作表。工作表的 used range 超过 10000 行，但前 100 行没有任何值，真实数据从第 101 行之后开始。此时解析器返回 0 个 chunk，整张表被静默丢弃，没有任何警告。

典型真实文件形态：表头行上方存在标题块、logo、空白打印区域，或者某个远处单元格被设置了样式但没有值，从而把 used range 撑到 10000 行以上。

报错原文

[Bug]: a spreadsheet whose first 100 rows are blank loses every row when the used range is over 10000

复现脚本的关键输出：

print(len(p.html(build(1, 200))))     # 1  chunk, correct
print(len(p.html(build(150, 350))))   # 0  chunks, every row lost

原因分析

问题出现在 deepdoc/parser/excel_parser.py:172 的 guard：

if not any(row_has_data(i) for i in range(1, min(101, max_row + 1))):
    return 0

该判断只看前 100 行：如果前 100 行没有任何数据，就直接返回 0，把工作表当成空表。随后 _get_rows_limited 将 0 映射为空列表，html 再通过 if not rows: continue 跳过该工作表，所以所有行都丢失。

而当 used range 不超过 10000 行时，_get_actual_row_count 会直接返回 max_row，不会走到这段 guard，因此该问题只在 used range 超过 10000 行、且前 100 行为空时触发。guard 下方的二进制搜索本来可以找到真实数据，但被提前返回拦截了。

环境排查

确认 RAGFlow 源码 commit 是否为 70601910e 或包含相同 guard 逻辑的版本。
确认 Python 版本，Issue 中为 3.13.14。
确认 openpyxl 版本，Issue 中为 3.1.5。
确认操作系统与架构，Issue 中为 macOS 26.6.2 arm64。
确认问题是否来自 deepdoc/parser/excel_parser.py，而不是容器镜像或 Docker 构建；该问题与容器构建无关。
检查目标工作表的 used range 是否超过 10000 行，以及前 100 行是否为空。
检查是否存在无值但有样式的单元格（例如加粗字体），它会把 used range 撑大。

解决步骤

先用复现脚本确认现象：分别构造数据从第 1 行开始、从第 150 行开始且远处第 12000 行有样式单元格的工作簿，调用 RAGFlowExcelParser.html，观察前者返回 1 个 chunk、后者返回 0 个 chunk。
在 helper 层确认 _get_actual_row_count 对空白前导表返回 0，而期望值应为实际数据结束行。
升级或切换到包含 PR #19237 的版本。Issue 关闭说明确认该修复将 100 行 guard 替换为对已物化单元格的扫描。
如果暂时无法升级，可优先尝试人工规避：在数据上方插入有效内容或移除把 used range 撑到 10000 行以上的远处样式单元格，使 _get_actual_row_count 不走 100 行 guard 分支。该规避方式未在 Issue 中明确验证，属于可优先尝试的临时手段。
如果必须在 #19219 和 #19234 之间选择，注意 #19219 对本文场景仍返回 0，#19234 返回正确行数。

验证方法

在修复后的版本上重新运行报告中的复现脚本，并对照 Issue 关闭说明中的验证表：数据从 1 到 200 行、max_row 为 12000 时，_get_actual_row_count 在 70601910e 和 58035bdfe 下都返回 200；数据从 101 到 300、150 到 350、500 到 700 行时，70601910e 返回 0，58035bdfe 分别返回 300、350、700。第 1 行作为对照不应发生变化。