使用 OpenPyXL 读取提取的 XLSX 文件

Posted 2023-04-14

【中文标题】使用 OpenPyXL 读取提取的 XLSX 文件

【英文标题】：Reading extracted XLSX files with OpenPyXL

【发布时间】：2013-01-03 00:47:08

【问题描述】：

所以我一直在使用 Python 3.2，以及 OpenPyXL 的可迭代工作簿as demonstrated here in the "Optimized Reader" example。

我的问题出现在我尝试使用此策略读取从简单 .zip 存档中提取的一个或多个文件时（手动和通过 python zipfile 包)。当我调用 .get_highest_column() 我得到“A”和 .get_highest_row() 我得到 1，当被要求打印每个单元格的值时，如下所示：

wb = load_workbook(filename = file_name, use_iterators = True)
ws = wb.worksheets[0]    # Only need to read the first sheet, nothing fancy
for row in ws.iter_rows():
    for entry in row:
        print(entry.internal_value)

无论文件实际有多大，它都会打印 A1、A2、A3、A4、A5、A6 和 A7 中的值。文件本身没有任何原因，它会在 Excel 中完美打开。我很困惑为什么会这样，但我假设解压缩的 XLSX 在从 Excel 中保存之前的格式不同，并且 OpenPyXL 无法正确解释它。我什至将“.xlsx”重命名为“.zip”，这样我就可以探索文件并检查差异，但除了从 Excel 保存的那个在“xl " 以前版本没有的文件夹，带有字体和格式数据。

重要提示：当我在 Excel 中打开它并使用相同的文件名重新保存它并然后运行这段代码时，它完美地运行 - 返回正确最大的行和列值，并正确打印每个单元格值。我尝试在打开工作簿后立即通过 OpenPyXL 保存工作簿，但这会产生相同的错误结果。

基本上，我需要找到一种从 .zip 文件中正确提取 .xlsx 文件的方法，以便可以使用 OpenPyXL 读取它。有很多很多文件需要像这样处理，所以它必须在 Excel 外部，并且希望尽可能高效。

干杯！

【问题讨论】：

原始压缩的.xlsx 文件来自哪里？有机会举个例子吗？

【参考方案1】：

听起来这与从 zipfile 中提取无关，因为如果您手动提取文件也会出现问题。 我会尝试将使用 Excel 打开和保存的文件存储在一个 zip 文件中，看看会发生什么。如果这样可行，那么很明显原始.xlsx 文件的生成方式就是问题所在。 我强烈怀疑是这样的。

如果这是问题所在，请查看您是否可以提取 .xlsx 文件（它们本身就是 zip 文件）并将您使用 Excel 重新保存的文件与原来有问题的文件进行比较。 xml 不容易比较，因为 Excel 可以随意重新排列大多数内容，但您可以做一个比较。