如何确定excel文件的字符编码？ [复制]

Posted 2023-02-24

【中文标题】如何确定excel文件的字符编码？ [复制]

【英文标题】：How can I determine the character encoding of an excel file? [duplicate]

【发布时间】：2012-10-25 11:17:52

【问题描述】：

可能重复：Excel to CSV with UTF8 encoding

场景：我有一个包含大量全球客户数据的 excel 文件。我不知道创建文件时使用了什么编码。

问题：如何确定 excel 文件中使用的字符编码，以便将其正确导入到其他软件中？

【问题讨论】：

我猜你的问题已经在superuser.com/questions/280603/…讨论和回答了

@JüriRuut 不是真的，这个问题是相反的。我也想要一个规范的答案，所以对这个问题 +1。

@deceze: 那么它会是“从 Excel 导出数据”？

@JüriRuut 我假设他的意思是“使用某种编程语言中的某个库读取 .xls 文件”。那么这一切都是有道理的......山姆，如果我错了，请纠正这个假设。

@deceze - 你很准！为了正确导入文件，我首先需要知道它最初是如何编码的。如果您导入它并假设使用了某个字符集，您最终可能会得到错误的数据 - 某些字符会意外丢失或被其他字符替换。

【参考方案1】：

对于 Excel 2010，它应该是 UTF-8。 MS指导：http://msdn.microsoft.com/en-us/library/bb507946:

“SpreadsheetML 文档的基本文档结构由 Sheets 和 Sheet 元素组成，它们引用工作簿中的工作表。为每个工作表创建一个单独的 XML 文件。例如，具有两个工作表的工作簿的 SpreadsheetML名称 MySheet1 和 MySheet2 位于 Workbook.xml 文件中，如下代码示例所示。

<?xml version="1.0" encoding="UTF-8" standalone="yes" ?> 
<workbook xmlns=http://schemas.openxmlformats.org/spreadsheetml/2006/main xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships">
    <sheets>
        <sheet name="MySheet1" sheetId="1" r:id="rId1" /> 
        <sheet name="MySheet2" sheetId="2" r:id="rId2" /> 
    </sheets>
</workbook>

工作表 XML 文件包含一个或多个块级元素，例如 SheetData。 sheetData 表示单元格表并包含一个或多个 Row 元素。一行包含一个或多个 Cell 元素。每个单元格都包含一个代表单元格值的 CellValue 元素。例如，工作簿中第一个工作表的 SpreadsheetML，在单元格 A1 中只有值 100，位于 Sheet1.xml 文件中，如下面的代码示例所示。

<?xml version="1.0" encoding="UTF-8" ?> 
<worksheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main">
    <sheetData>
        <row r="1">
            <c r="A1">
                <v>100</v> 
            </c>
        </row>
    </sheetData>
</worksheet>

"

检测细胞编码：

https://metacpan.org/pod/Spreadsheet::ParseExcel::Cell

http://forums.asp.net/t/1608228.aspx/1

【讨论】：

你应该如何为给定的 Excel 文件找到这些 XML 文件？

@user5359531: http://***.com/questions/8984254/how-to-view-the-xml-form-of-an-excel-file

我想知道这是否仍然是确定 Excel 工作表字符编码的准确方法，因为我有一个包含仅由 UTF-16 支持的国际字符的工作表，但 XML 显然将其标记为encoding="UTF-8"。这种编码是指除了工作表中包含的文本之外的其他内容吗？

@user5359531 “我有一张包含仅 UTF-16 支持的国际字符的工作表” - 如果我理解正确，UTF-8 和 UTF-16（以及 UTF-32）都支持所有 unicode字符，他们只是使用不同的编码来做到这一点。 （UTF-8 使用 1、2、3 或 4 个字节，UTF-16 使用 2 或 4 个字节，而 UTF-32 始终使用 4 个字节）。