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

Question

作为 Python 的学习项目，我试图读取目录中的所有 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（在本例中为pandas ），但我遇到了一个问题，其中大部分取决于openpyxl 。

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信息，这是因为该文件包含 14 以上的字体系列。如何在忽略任何现有格式的情况下读取 Excel (xlsx) 文件？

我能找到的唯一可能的解决方案是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。

还有另一种没有格式限制的方法吗？

Answer 1

通过在 windows 或 grep 中的简单解压缩|查找，很容易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：最好只使用工具“更新”一个 style.xls 文件以维护 zip 的相对顺序），它的行为应该与具有标准的 standard.xlsx 相同1-14 fonts，假设作者没有引入其他错误。

Answer 2

这很可能不是因为字体大小或系列，因为它给出了 ValueError。 我从这个页面和这个页面看到的，似乎你在 excel 文件中的一个浮点值不能超过 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。

Answer 3

问题是您的文件不符合 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，它就会抛出这个错误，因为OpenPyxl 只允许符合规范的 excel 文件。

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。

当其他读者（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!

这可以使用此 excel 工作簿进行复制。 在补丁之前，这将无法加载。 补丁后，它加载没有错误。

Answer 4

这是为我解决此错误的原因。 我编辑了lib\site-packages\openpyxl\descriptors\base.py并在 class Max 的第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。
我所做的只是注释掉raise错误的行。
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)

这为我解决了这个问题。
或者，如果您需要分发文件并且必须使用原始库代码，那么请尝试第一个答案。

# 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。

Answer 5

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，以便您可以执行以下操作：

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)

这样，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

Answer 6

这个问题可以通过完全清理 xlsx styles来解决，这是我的代码如何使用pandas通过openpyxl https://stackoverflow.com/a/71526058/1731460