使用 Python 读取/解析 Excel (xls) 文件 [关闭]

Posted 2023-03-12

【中文标题】使用 Python 读取/解析 Excel (xls) 文件 [关闭]

【英文标题】：Reading/parsing Excel (xls) files with Python [closed]

【发布时间】：2011-02-25 22:32:22

【问题描述】：

使用 Python 读取 Excel (XLS) 文件（不是CSV 文件）的最佳方法是什么。

是否有 Python 默认支持的内置包来执行此任务？

【参考方案1】：

我强烈推荐xlrd 来阅读.xls 文件。但是有一些限制（参考xlrd github page）：

警告

此库将不再读取 .xls 文件以外的任何内容。为了 读取较新文件格式的替代方案，请参阅 http://www.python-excel.org/.

以下内容也不受支持，但会安全可靠地支持 忽略：

- Charts, Macros, Pictures, any other embedded object, including embedded worksheets.
- VBA modules
- Formulas, but results of formula calculations are extracted.
- Comments
- Hyperlinks
- Autofilters, advanced filters, pivot tables, conditional formatting, data validation

受密码保护的文件不受支持且无法由此读取 图书馆。

voyager 提到了 COM 自动化的使用。几年前我自己做过这个，请注意，这样做是一个真正的 PITA。警告的数量巨大，文档缺乏且令人讨厌。我遇到了许多奇怪的错误和陷阱，其中一些需要花费数小时才能弄清楚。

更新：对于较新的 .xlsx 文件，推荐的读写库似乎是 openpyxl（感谢 Ikar Pohorský）。

【讨论】：

对于 Excel 2007+ 文件 (.xlsx)，您可能会使用 OpenPyXL。

聚会有点晚了，但是您对库覆盖 .xls 文件并保留宏/图片有什么建议吗？我使用 xlrd/xlwt/xlutils 创建了一个解决方案，直到最后才意识到宏/图片被删除了。我过去使用过 Openpyxl/XlsxWriter（用于 xlsx），但显然这些库都不适合我的用例。 Pandas 使用 xlrd 引擎是否也这样做？

【参考方案2】：

如果文件真的是一个旧的 .xls，这适用于我在 python3 上仅使用 base open() 和 pandas：

df = pandas.read_csv(open(f, encoding = 'UTF-8'), sep='\t')

请注意，我使用的文件是制表符分隔的。 less 或文本编辑器应该能够读取 .xls，以便您可以嗅出分隔符。

我对 xlrd 不太满意，因为——我认为——UTF-8 问题。

【讨论】：

如果上述方法适合您，则您没有 Excel 文件，而是一个制表符分隔的文本文件，有时称为 TSV 文件。因此，xlrd 不会打开它。

【参考方案3】：

使用熊猫：

import pandas as pd

xls = pd.ExcelFile(r"yourfilename.xls") #use r before absolute file path 

sheetX = xls.parse(2) #2 is the sheet number+1 thus if the file has only 1 sheet write 0 in paranthesis

var1 = sheetX['ColumnName']

print(var1[1]) #1 is the row number...

【讨论】：

pandas 正在使用 xlrd 进行阅读；您还需要安装 xlrd 作为依赖项

如果需要 xlrd 作为依赖，为什么不直接使用呢？

【参考方案4】：

对于较旧的.xls 文件，您可以使用xlrd

您也可以通过导入直接使用xlrd。如下所示

import xlrd
wb = xlrd.open_workbook(file_name)

或者你也可以使用pandas的@​​987654325@方法，但是不要忘记指定引擎，虽然默认是xlrd，但必须指定。

pd.read_excel(file_name, engine = xlrd)

它们都适用于较旧的.xls 文件格式。 事实上，当我使用OpenPyXL 时，我遇到了这个问题，我得到了以下错误

InvalidFileException: openpyxl does not support the old .xls file format, please use xlrd to read this file, or convert it to the more recent .xlsx file format.

【参考方案5】：

    with open(csv_filename) as file:
        data = file.read()

    with open(xl_file_name, 'w') as file:
        file.write(data)

您可以使用内置软件包将 CSV 转换为上述的 excel。 CSV 可以使用内置的 dictreader 和 dictwriter 包来处理，其工作方式与 python 字典的工作方式相同。这很容易 我目前不知道任何用于 excel 的内置软件包，但我遇到了 openpyxl。它也非常简单明了您可以查看下面的代码 sn-p 希望对您有所帮助

    import openpyxl
    book = openpyxl.load_workbook(filename)
    sheet = book.active 
    result =sheet['AP2']
    print(result.value)

【参考方案6】：

我认为 Pandas 是最好的选择。已经有一个答案 here 与 Pandas 使用 ExcelFile 函数，但它对我来说不能正常工作。从here 我发现read_excel 功能很好：

import pandas as pd
dfs = pd.read_excel("your_file_name.xlsx", sheet_name="your_sheet_name")
print(dfs.head(10))

P.S.您需要安装xlrd，read_excel 功能才能工作

2020 年 3 月 21 日更新： 如您所见 here，xlrd 引擎存在问题，将被弃用。 openpyxl 是最好的替代品。因此，如here 所述，规范语法应该是：

dfs = pd.read_excel("your_file_name.xlsx", sheet_name="your_sheet_name", engine="openpyxl")

【讨论】：

AttributeError: 'dict' 对象没有属性 'head'

【参考方案7】：

对于 xlsx，我喜欢之前发布为 https://web.archive.org/web/20180216070531/https://***.com/questions/4371163/reading-xlsx-files-using-python 的解决方案。我只使用标准库中的模块。

def xlsx(fname):
    import zipfile
    from xml.etree.ElementTree import iterparse
    z = zipfile.ZipFile(fname)
    strings = [el.text for e, el in iterparse(z.open('xl/sharedStrings.xml')) if el.tag.endswith('t')]
    rows = []
    row = 
    value = ''
    for e, el in iterparse(z.open('xl/worksheets/sheet1.xml')):
        if el.tag.endswith('v'):  # Example: <v>84</v>                            
            value = el.text
        if el.tag.endswith('c'):  # Example: <c r="A3" t="s"><v>84</v></c>                                 
            if el.attrib.get('t') == 's':
                value = strings[int(value)]
            letter = el.attrib['r']  # Example: AZ22                         
            while letter[-1].isdigit():
                letter = letter[:-1]
            row[letter] = value
            value = ''
        if el.tag.endswith('row'):
            rows.append(row)
            row = 
    return rows

添加的改进是按工作表名称获取内容，使用 re 获取列并检查是否使用了共享字符串。

def xlsx(fname,sheet):
    import zipfile
    from xml.etree.ElementTree import iterparse
    import re
    z = zipfile.ZipFile(fname)
    if 'xl/sharedStrings.xml' in z.namelist():
        # Get shared strings
        strings = [element.text for event, element
                   in iterparse(z.open('xl/sharedStrings.xml')) 
                   if element.tag.endswith('t')]
    sheetdict =  element.attrib['name']:element.attrib['sheetId'] for event,element in iterparse(z.open('xl/workbook.xml'))
                                      if element.tag.endswith('sheet') 
    rows = []
    row = 
    value = ''

    if sheet in sheets:
    sheetfile = 'xl/worksheets/sheet'+sheets[sheet]+'.xml'
    #print(sheet,sheetfile)
    for event, element in iterparse(z.open(sheetfile)):
        # get value or index to shared strings
        if element.tag.endswith('v') or element.tag.endswith('t'):
            value = element.text
        # If value is a shared string, use value as an index
        if element.tag.endswith('c'):
            if element.attrib.get('t') == 's':
                value = strings[int(value)]
            # split the row/col information so that the row leter(s) can be separate
            letter = re.sub('\d','',element.attrib['r'])
            row[letter] = value
            value = ''
        if element.tag.endswith('row'):
            rows.append(row)
            row = 

    return rows

【讨论】：

感谢您回复我的答案！

第二个函数有一个错误：它创建了“sheetdict”字典，但后来尝试读取“sheets”字典。另外，在“if sheet in sheet:”之后添加一个标签：

【参考方案8】：

如果您需要旧的 XLS 格式。下面是 ansii 'cp1251' 的代码。

import xlrd

file=u'C:/Landau/task/6200.xlsx'

try:
    book = xlrd.open_workbook(file,encoding_override="cp1251")  
except:
    book = xlrd.open_workbook(file)
print("The number of worksheets is 0".format(book.nsheets))
print("Worksheet name(s): 0".format(book.sheet_names()))
sh = book.sheet_by_index(0)
print("0 1 2".format(sh.name, sh.nrows, sh.ncols))
print("Cell D30 is 0".format(sh.cell_value(rowx=29, colx=3)))
for rx in range(sh.nrows):
   print(sh.row(rx))

【参考方案9】：

您可以选择其中任何一个http://www.python-excel.org/ 我会推荐 python xlrd 库。

使用安装它

pip install xlrd

使用导入

import xlrd

打开工作簿

workbook = xlrd.open_workbook('your_file_name.xlsx')

按名称打开工作表

worksheet = workbook.sheet_by_name('Name of the Sheet')

按索引打开工作表

worksheet = workbook.sheet_by_index(0)

读取单元格值

worksheet.cell(0, 0).value    

【讨论】：

“读取单元格值”不起作用...它引发 TypeError：'Sheet' 对象不可调用。其余的一切都很好。

【参考方案10】：

Python Excelerator 也处理此任务。 http://ghantoos.org/2007/10/25/python-pyexcelerator-small-howto/

它在 Debian 和 Ubuntu 中也可用：

 sudo apt-get install python-excelerator

【参考方案11】：

对于较旧的 Excel 文件，OleFileIO_PL module 可以读取使用的 OLE 结构化存储格式。

【参考方案12】：

您也可以考虑运行（非 python）程序 xls2csv。给它一个 xls 文件，你应该得到一个 csv。

【讨论】：

但是发帖人说他需要读 Python... 你是建议运行 xls2csv，然后从 Python 中解析 csv？

Python-excelerator 包含一个围绕 python 转换器的可执行 py_xls2csv 包装器。

【参考方案13】：

您可以使用任何库 listed here（如基于 JExcelApi 的 Pyxlreader 或 xlwt）以及 COM automation to use Excel itself 来读取文件，但为此您将 Office 作为您的软件的依赖性，这可能并不总是一种选择。

【讨论】：

(1) pyxlreader 是绝对的痘痘。你一定没试过。在这里查看我的 cmets：***.com/questions/1243545/… (2) xlwt WriTes 文件；使用xlrd 读取文件。