如何使用 Python 读取包含扩展字体的 Excel 文件？ （openpyxl 错误：最大值为 14）

Posted 2023-03-11

【中文标题】如何使用 Python 读取包含扩展字体的 Excel 文件？ （openpyxl 错误：最大值为 14）

【英文标题】：How to use Python to read Excel files that contain extended fonts? (openpyxl error: Max value is 14)

【发布时间】：2022-01-23 21:21:48

【问题描述】：

作为 Python 的学习项目，我正在尝试读取一个目录中的所有 Excel 文件并提取所有工作表的名称。

我一直在尝试几个可用的 Python 模块来执行此操作（在此示例中为 pandas），但我遇到了大多数依赖于 openpyxl 的问题。

这是我当前的代码：

import os
import pandas

directory_root = 'D:\\testFiles'

# Dict to hold all files, stats
all_files = 

for _current_path, _dirs_in_path, _files_in_path in os.walk(directory_root):

    # Add all files to this `all_files`
    for _file in _files_in_path:
        # Extract filesystem stats from the file
        _stats = os.stat(os.path.join(_current_path, _file))

        # Add the full file path and its stats to the `all_files` dict.
        all_files[os.path.join(_current_path, _file)] = _stats

# Loop through all found files to extract the sheet names
for _file in all_files:

    # Open the workbook
    xls = pandas.ExcelFile(_file)

    # Loop through all sheets in the workbook
    for _sheet in xls.sheet_names():
        print(_sheet)

这会在调用pandas.ExcelFile() 时从openpyxl 引发错误：ValueError: Max value is 14。

根据我在网上可以找到的，这是因为该文件包含 14 以上的字体系列。如何在不考虑任何现有格式的情况下从 Excel (xlsx) 文件中读取？

我可以找到的only potential solution 建议修改原始文件并删除格式，但这不是一个选项，因为我不想以任何方式修改文件。

还有没有这种格式限制的另一种方法？

【问题讨论】：

请上传导致此问题的电子表格。

文件是否在 Microsoft Excel 中打开（没有 excel 更改文件）？您可以制作文件的副本并从副本中删除格式...其格式不应影响单元格中的数据，除非格式与您的代码相关。根本问题是文件格式错误（不符合 excel 规范）。

【参考方案1】：

这很可能不是因为字体大小或系列，因为它给出了 ValueError。我从this page 和this page 看到的，似乎你在excel 文件中的浮点值之一不能超过14。这就是它给出错误ValueError: Max value is 14 的原因。您可以深入该文件并搜索大于 14 的值，然后通过操作该值来尝试您的代码。

【讨论】：

我看不出值超过 14 的电子表格会如何导致失败。但是电子表格中使用的字体是一个值。从我引用的另一个线程来看，openpyxl 似乎除了最基本的字体外没有处理任何东西。为什么，我不知道。但是如果 openpyxl 不能用于包含大于 14 的值的 Excel 文件，那将使它完全无用，不是吗？

@Zephyr 当然没用。您是否尝试降低字体大小并再次加载工作簿？如果是这样，它有效吗？顺便说一句，您的参考链接似乎已损坏。

【参考方案2】：

问题在于您的文件不符合 Open Office 规范。仅允许使用某些字体系列。一旦openpyxl 遇到不符合规范的字体，它就会抛出此错误，因为OpenPyxl only allows spec-conforming excel files。

一些 Excel 阅读器可能对此没有问题，并且对不符合 OpenOffice 规范的文件更加灵活，但 openpyxl 仅实现 Apache Open Office 规范。

正在解析的 xml 将包含有关字体的信息，如下所示：

<font>
  <b/>
  <sz val="11"/>
  <color rgb="FF000000"/>
  <name val="Century Gothic"/>
  <family val="34"/>
</font>

如果家庭值超过 14，openpyxl 会抛出这个ValueError。 Open Office 中有一个底层描述符来控制它。

当其他阅读器（例如 Microsoft Office 365 Excel）遇到这种情况时，它会在将文件加载为兼容字体（默认为 Calibri）时更改字体系列。

作为一种解决方法，如果您不想更改该值（如 Microsoft Excel 所做的那样），您可以对描述符进行猴子补丁以允许更大的最大字体系列。

# IMPORTANT, you must do this before importing openpyxl
from unittest import mock
# Set max font family value to 100
p = mock.patch('openpyxl.styles.fonts.Font.family.max', new=100)
p.start()
import openpyxl
openpyxl.open('my-bugged-worksheet.xlsx') # this works now!

这可以使用this excel workbook 复制。在补丁之前，这将无法加载。补丁后，加载无误。

【讨论】：

哇，很有见地。奇怪的是，例如，没有简单的选择可以退回到openpyxl.styles.fonts.DEFAULT_FONT。与其发射嘲弄大炮，不如增加手动可能性：openpyxl.styles.fonts.Font.family = openpyxl.descriptors.nested.NestedMinMax(min=0, max=100)

@JonasHörsch 是的，这对于 openpyxl 来说似乎是一个很好的功能。我确实有这个想法，但我不清楚如何实现这一点（通过模拟或其他方式）——但 OP 表示他们不想以任何方式修改他们的文件。

【参考方案3】：

以下是为我解决此错误的方法。我编辑了 lib\site-packages\openpyxl\descriptors\base.py 并在 Max 类中的 86 行之后添加了一个打印语句，如下所示：

def __set__(self, instance, value):
    if ((self.allow_none and value is not None)
        or not self.allow_none):
        value = _convert(self.expected_type, value)
        if value > self.max:
            print(f"value is value")
            raise ValueError('Max value is 0'.format(self.max))
    super(Max, self).__set__(instance, value)

这打印出34 的值，明显高于最大值14。 我所做的只是将raises 错误的行注释掉。 将代码更改为：

def __set__(self, instance, value):
    if ((self.allow_none and value is not None)
        or not self.allow_none):
        value = _convert(self.expected_type, value)
        if value > self.max:
            self.max = value
            # print(f"value is value")
            # raise ValueError('Max value is 0'.format(self.max))
    super(Max, self).__set__(instance, value)

这解决了我的问题。 或者，如果您需要分发文件并且必须使用原始库代码THEN，请尝试first answer。

# IMPORTANT, you must do this before importing openpyxl
from unittest import mock
# Set max font family value to 100
p = mock.patch('openpyxl.styles.fonts.Font.family.max', new=100)
p.start()
import openpyxl
openpyxl.open('my-bugged-worksheet.xlsx') # this works now!

在导入 openpyxl 之前。

【参考方案4】：

如果我是对的，您想从目录中的文件中获取所有 xlsx 工作表名称，以便您可以这样做：

import pandas as pd
import os
dirpth = './Target Folder/'
for dirpath, dirnames, filenames in os.walk(dirpth):
    file_names = filenames
file_names = [dirpth+file_names[i] for i in range(len(file_names))]
data = []
sheet_names = []
for names in file_names:
    df = pd.ExcelFile(names,engine = 'openpyxl')
    data_sheet = []
    sheet_temp = []
    for name in df.sheet_names:
        data_sheet.append(df.parse(nama,index_col = [0]))
        sheet_temp.append(name)
    data.append(data_sheet)
    sheet_names.append(sheet_temp)

通过这种方式，您将自动从每个工作表中获取每个 excel 文件的数据，但是如果您在同一文件夹中具有不同扩展名的文件（例如在同一文件夹中您有 .csv 文件），则会出现错误。因此，您需要先过滤所有文件名，或者您可以使用try except 语句跳过非 excel 文件。 如果您的 .py 文件与您的文件夹目标路径不同，只需更改 dirpath，例如：'D:/changeYour Folder Path/Example/Target/'

注意：需要安装openpyxl

【参考方案5】：

通过简单的 unzip|find windows 或其他 grep 可以很容易地检测到家庭值何时超出范围。因此，您可以根据这些值过滤掉文件。在这里，我们在 bad boy 示例中看到它们是可以接受的 2 和不可接受的 34

但是，由于所有平台（包括 win 10）都有 TAR，因此最简单的方法是首先将 file.xlsx 扩展为一组并在本机操作系统（或 python）中使用按文件查找，然后确保您确切知道需要调整哪个文件。

所以我们现在知道它是 styles.xml（这并不奇怪，因为字体值应该在那里）

此时我们可以使用字符串替换来更改该条目以说

      <family val="3"/>

如果这对您的目的更有用。

然后重新打包调整后的 xlsx（注意：最好只使用一个工具来“更新”一个 style.xls 文件以保持 zip 的相对顺序），它的行为应该与标准的 xlsx 相同有标准的1-14字体，假设作者没有引入其他错误。

稍后编辑 我不会声称要重新发明 Pythonic Wheel，而只是说从https://***.com/a/69360331/10802527 （由现在离开的用户）这应该适用于许多其他感兴趣的用户。备份您的文件并进行相应修改。

import tempfile
from openpyxl import load_workbook
import os
import shutil
from lxml import etree


EXCELFILE = '~/Book1.xlsx'
STYLES = 'xl/styles.xml'
FORMAT = 'zip'


with tempfile.TemporaryDirectory() as tdir:
    os.chdir(tdir)
    shutil.unpack_archive(filename=EXCELFILE, format=FORMAT)
    with open(STYLES, 'r') as styles:
        tree = etree.parse(styles)
        for family in tree.xpath('//*[local-name()="fonts"]//*[local-name()="font"]//*[local-name()="family"]'):
            try:
                if int(family.attrib['val']) > 14:
                    family.set('val', '2')
            except Exception:
                pass
    with open(STYLES, 'wb') as styles:
        tree.write(styles)
    shutil.make_archive(base_name=EXCELFILE, format=FORMAT)
    shutil.move(f'EXCELFILE.FORMAT', EXCELFILE)

load_workbook(EXCELFILE)

对 load_workbook() 的调用仅仅是为了检查修改后的电子表格的有效性