如何使用python从excel中的特定列中提取不可见的注释

Question

数据：我有一个超过 20 列的相当大的 excel 文件。 每个单元格都包含注释。

期望目标：我正在尝试从第一行到最后一行阅读名为“Engine”的列 M 中的所有评论。

所需输出：我想提取M 列中的所有评论并将它们保存在列表或 Pandas 数据框中。

以下是我在阅读其他人的帖子后尝试的内容：

# load the worksheet for interation
from win32com.client import Dispatch
xlApp = Dispatch("Excel.Application")
workbook = xlApp.Workbooks.Open('My_large_data_file.xls')
worksheet = workbook.Sheets('Mysheet')


# get the row counts for iteration
from openpyxl import load_workbook
wb = load_workbook('My_large_data_file.xls', read_only=True)
sheet = wb.get_sheet_by_name('Mysheet')
row_count = sheet.max_row

comments = []
# iteration
for i in range(2, row_count + 1): # first row is column names
    print(i)
    comment = worksheet.Cells(i, 13).Comment.Text() # Column M = #13
    comments.append(comment)

但是，此方法仅适用于默认情况下注释可见的单元格。 如果单元格的注释不可见，则将其读取为 NoneType。 然后我得到这样的错误：

Traceback (most recent call last):

  File "<ipython-input-64-dead2ed27460>", line 5, in <module>
    comment = worksheet.Cells(i, 13).Comment.Text() # Column M = #13

AttributeError: 'NoneType' object has no attribute 'Text'

问题：

1) 如何将所有单元格的注释设置为可见以便提取它们？ 我不确定它是否需要在 python 中应用一些 VBA 代码。

2）我目前的代码效率不高。 特别是我正在处理 60 多个这样的 excel 文件，每个文件都包含 70000 多行。 有什么建议可以改进它吗？

提前致谢！

###################################

excel文件中有几种注释状态：

1. 完全隐藏没有指示器 - （双击触发评论显示）
2. 用红色指示器隐藏 - （鼠标悬停触发评论显示）
3. 显示。

worksheet.Cells(i, j).Comment.Text()

此方法适用于 #2 和 #3 情况。 但它不适用于 #1 hidden 没有指示符的情况。

Answer 1

如评论中所述，我无法重现您提到的有关隐藏评论的问题，因此我无法对此发表评论。 但是，无论如何，下面的方法很可能只是解决了这个问题。

关于性能，您可以尝试的一件事是完全避免 COM 的开销，因为openpyxl实际上拥有您需要的一切。

因此，您可以执行以下操作：

from openpyxl import load_workbook
wb = load_workbook('My_large_data_file.xls')
sheet = wb.get_sheet_by_name('Mysheet')
comments = [c.comment.text for c in sheet['M'][1:]]

性能方面，这应该为您购买几个数量级，因为以下 1000 行比较表明：

In [64]: %timeit [c.comment.text for c in sheet['M'][1:1000]]
1.31 ms ± 25.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [72]: %timeit [worksheet.Cells(i, 13).Comment.Text() for i in range(2, 1000)]
1.7 s ± 330 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

这里的区别来自于openpyxl直接解析 Excel 文件的事实，其中win32com依赖于将所有内容分派到 Excel 进程。 通过使用openpyxl路线，您当然会失去 COM 的全部功能，但您可能会发现，只有当 COM 是唯一选择时，才有意义。 在这里，除了获得大量速度之外，您还不必在脚本旁边运行 Excel 进程（实际上，您甚至根本不需要安装 Excel），这还有一个额外的好处，就是让您的脚本变得更强大更可测试。