遍历指定文件夹中的所有 Excel 文件，读取它们的内容。
获取每个 Excel 文件第三行的唯一标识。
如果“第三行”判断只是看整行是否完全相同，可以把这一整行的内容当作一个“key”；
如果只看第三行某个单元格（例如第三行第一列的值），就把那个单元格作为“key”。
建立一个 字典 (dict)，使用上面得到的第三行内容作为字典的键（key），对应一个装载该类 Excel 内容的列表。
根据字典键分组，将相同 key 的数据合并，最后输出到对应的 Excel 文件中。
下面我们使用 Pandas 库来做一个示例。如果你需要基于 openpyxl 或其他库进行读写，也可做相应的修改。



说明
header=None

当我们不确定 Excel 的第一行是否适合作为字段名时，可以先全部读进来；这样 Pandas 默认会给列加上数值索引（0,1,2...）。
如果你的 Excel 文件有表头，你可以根据需求调整 header 参数的值，或者在后续对 DataFrame 进行处理、重新设置表头。
df.iloc[2, 0]

iloc[2, 0] 表示读取第三行（索引2）、第一列（索引0）的值。
如果想对第三行所有列进行对比，可以使用 df.iloc[2, :] 获取整行数据，并将它转为元组或字符串用作分组键。
grouped_data 字典

字典的键（key）就是第三行的内容，值（value）是一个列表，列表里存放相同键对应的多个 DataFrame。
合并操作

这里使用 pd.concat(dfs, ignore_index=True) 对同一个键下的 DataFrame 进行 行方向的拼接（即把一个表紧接在另一个表的后面）。如果你的需求是想做列拼接或更复杂的合并方式，可以参考 pandas.merge 或设置 axis 参数等。
输出文件命名

输出文件名中加入了第三行内容作为标识。
如果第三行的内容存在特殊字符或者过长，不适合做文件名，你可以做一些格式化处理，比如去掉特殊字符或者只取前面一部分作为文件名后缀等。
这样就可以实现：当多个 Excel 文件第三行内容相同时合并到一个新文件；如果第三行内容不一致，则自动分到不同的输出文件。