使用Ruby解析XLS和XLSX（MS Excel）文件？

Question

有没有可以解析XLS和XLSX文件的gem？ 我找到了Spreadsheet和ParseExcel，但是它们都不了解XLSX格式。

Answer 1

我最近需要用Ruby解析一些Excel文件。 原来，丰富的库和选项令人困惑，所以我写了一篇关于它的博客文章 。

这是不同的Ruby库及其支持的表：

如果您关心性能，则xlsx库的比较方式如下：

我的示例代码读取XLSX与每个支持库文件在这里

以下是一些使用一些不同库读取xlsx文件的示例：

红宝石XL

require 'rubyXL'

workbook = RubyXL::Parser.parse './sample_excel_files/xlsx_500_rows.xlsx'
worksheets = workbook.worksheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.sheet_name}"
  num_rows = 0
  worksheet.each do |row|
    row_cells = row.cells.map{ |cell| cell.value }
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

袋鼠

require 'roo'

workbook = Roo::Spreadsheet.open './sample_excel_files/xlsx_500_rows.xlsx'
worksheets = workbook.sheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet}"
  num_rows = 0
  workbook.sheet(worksheet).each_row_streaming do |row|
    row_cells = row.map { |cell| cell.value }
    num_rows += 1
  end
  puts "Read #{num_rows} rows" 
end

溪

require 'creek'

workbook = Creek::Book.new './sample_excel_files/xlsx_500_rows.xlsx'
worksheets = workbook.sheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.name}"
  num_rows = 0
  worksheet.rows.each do |row|
    row_cells = row.values
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

simple_xlsx_reader

require 'simple_xlsx_reader'

workbook = SimpleXlsxReader.open './sample_excel_files/xlsx_500000_rows.xlsx'
worksheets = workbook.sheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.name}"
  num_rows = 0
  worksheet.rows.each do |row|
    row_cells = row
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

这是使用spreadsheet库读取旧版xls文件的示例：

电子表格

require 'spreadsheet'

# Note: spreadsheet only supports .xls files (not .xlsx)
workbook = Spreadsheet.open './sample_excel_files/xls_500_rows.xls'
worksheets = workbook.worksheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.name}"
  num_rows = 0
  worksheet.rows.each do |row|
    row_cells = row.to_a.map{ |v| v.methods.include?(:value) ? v.value : v }
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

Answer 2

刚发现roo可能会胜任工作-可以满足我的要求，阅读基本的电子表格。

Answer 3

roo gem对于Excel（.xls和.xlsx）非常有用，并且正在积极开发中。

我同意语法不太好，也不像红宝石一样。 但这可以通过以下方式轻松实现：

class Spreadsheet
  def initialize(file_path)
    @xls = Roo::Spreadsheet.open(file_path)
  end

  def each_sheet
    @xls.sheets.each do |sheet|
      @xls.default_sheet = sheet
      yield sheet
    end
  end

  def each_row
    0.upto(@xls.last_row) do |index|
      yield @xls.row(index)
    end
  end

  def each_column
    0.upto(@xls.last_column) do |index|
      yield @xls.column(index)
    end
  end
end

Answer 4

我正在使用使用nokogiri的小河。 很快 在Macbook Air的21x11250 xlsx桌上使用了8.3秒。 可以在Ruby 1.9.3+上运行。 每行的输出格式是行和列名称对单元格内容的哈希：{“ A1” =>“ a cell”，“ B1” =>“另一个单元格”}哈希不能保证键将位于原始列顺序。 https://github.com/pythonicrubyist/creek

呆板是另一个使用nokogiri的伟大工具。 超级快。 在Macbook Air的21x11250 xlsx桌上使用了6.7秒。 可以在ruby 2.0.0+上运行。 每行的输出格式是一个数组：[“一个单元格”，“另一个单元格”] https://github.com/thirtyseven/dullard

已经提到过的simple_xlsx_reader很棒，有点慢。 在Macbook Air的21x11250 xlsx桌上使用了91秒。 可以在Ruby 1.9.3+上运行。 每行的输出格式是一个数组：[“一个单元格”，“另一个单元格”] https://github.com/woahdae/simple_xlsx_reader

另一个有趣的是oxcelix。 它使用ox的SAX解析器，该解析器比nokogiri的DOM和SAX解析器都快。 据推测，它输出一个矩阵。 我无法正常工作。 此外，rubyzip还存在一些依赖项问题。 不会推荐它。

总之，小溪似乎是一个不错的选择。 其他帖子推荐simple_xlsx_parser，因为它具有类似的性能。

根据建议，删除了过时的文字，因为它过时了，人们对此有错误/有问题。

Answer 5

如果您正在寻找更现代的库，请查看Spreadsheet： http : //spreadsheet.rubyforge.org/GUIDE_txt.html 。 我无法确定它是否支持XLSX文件，但是考虑到它是积极开发的，我猜测它确实支持（我不在Windows或Office上，因此无法测试）。

在这一点上， roo似乎又是一个不错的选择。 它支持XLSX，仅通过使用单元访问times就可以进行（某些）迭代。 我承认，虽然不是很漂亮。

此外，RubyXL现在可以使用其extract_data方法为您提供某种迭代，该方法可以为您提供2d数据数组，可以轻松地对其进行迭代。

另外，如果您尝试在Windows上使用XLSX文件，则可以使用Ruby的Win32OLE库，该库允许您与OLE对象（如Word和Excel提供的对象）进行接口。 但是 ，正如@PanagiotisKanavos在评论中提到的那样，它有一些主要缺点：

• 必须安装Excel
• 为每个文档启动一个新的Excel实例
• 内存和其他资源的消耗远远超出了简单XLSX文档操作所需的消耗。

但是，如果选择使用它，则可以选择不显示Excel，加载XLSX文件并通过它访问它。 我不确定它是否支持迭代，但是，我认为围绕提供的方法进行构建不会太困难，因为它是用于Excel的完整Microsoft OLE API。 这是文档： http : //support.microsoft.com/kb/222101这是瑰宝： http : //www.ruby-doc.org/stdlib-1.9.3/libdoc/win32ole/rdoc/WIN32OLE.html

同样，这些选项看起来并没有好得多，但是恐怕没有太多其他选择了。 很难解析是黑匣子的文件格式。 那些设法打破它的人很少能做到这一点。 Google文档是封闭源代码，而LibreOffice是数千行Carry C ++。

Answer 6

在过去的两周中，我一直在与Spreadsheet和rubyXL进行大量的工作，我必须说两者都是很好的工具。 但是，两者都遭受的一个方面是缺少实际实施任何有用的示例。 目前，我正在构建一个搜寻器，并使用rubyXL解析任何xls的xlsx文件和Spreadsheet。 我希望下面的代码可以作为一个有用的示例，并说明这些工具的有效性。

require 'find'
require 'rubyXL'

count = 0

Find.find('/Users/Anconia/crawler/') do |file|             # begin iteration of each file of a specified directory
  if file =~ /\b.xlsx$\b/                                  # check if file is xlsx format
    workbook = RubyXL::Parser.parse(file).worksheets       # creates an object containing all worksheets of an excel workbook
    workbook.each do |worksheet|                           # begin iteration over each worksheet
      data = worksheet.extract_data.to_s                   # extract data of a given worksheet - must be converted to a string in order to match a regex
      if data =~ /regex/
        puts file
        count += 1
      end      
    end
  end
end

puts "#{count} files were found"

---

require 'find'
require 'spreadsheet'
Spreadsheet.client_encoding = 'UTF-8'

count = 0

Find.find('/Users/Anconia/crawler/') do |file|             # begin iteration of each file of a specified directory
  if file =~ /\b.xls$\b/                                   # check if a given file is xls format
    workbook =  Spreadsheet.open(file).worksheets          # creates an object containing all worksheets of an excel workbook
    workbook.each do |worksheet|                           # begin iteration over each worksheet
      worksheet.each do |row|                              # begin iteration over each row of a worksheet
        if row.to_s =~ /regex/                             # rows must be converted to strings in order to match the regex
          puts file
          count += 1
        end
      end
    end
  end
end

puts "#{count} files were found"

Answer 7

rubyXL gem可以很好地解析XLSX文件。

Answer 8

我找不到令人满意的xlsx解析器。 RubyXL不进行日期类型转换，Roo尝试将数字类型转换为日期，并且在api和代码中都一团糟。

所以，我写了simple_xlsx_reader 。 但是，您必须为xls使用其他功能，所以也许这不是您要查找的完整答案。

Answer 9

包括作者在Spreadsheet gem上的网站在内的大多数在线示例都演示了将Excel文件的全部内容读入RAM的过程。 如果您的电子表格很小，那很好。

xls = Spreadsheet.open(file_path)

对于使用超大文件的任何人，更好的方法是流式读取文件的内容。 Spreadsheet gem对此提供了支持-尽管目前（在2015年3月3日）尚无充分记录。

Spreadsheet.open(file_path).worksheets.first.rows do |row|
  # do something with the array of CSV data
end

引用： https : //github.com/zdavatz/spreadsheet

Answer 10

RemoteTable库在内部使用roo 。 它使读取不同格式（XLS，XLSX，CSV等，可能是远程的，可能存储在zip，gz等内部）的电子表格变得容易：

require 'remote_table'
r = RemoteTable.new 'http://www.fueleconomy.gov/FEG/epadata/02data.zip', :filename => 'guide_jan28.xls'
r.each do |row|
  puts row.inspect
end

输出：

{"Class"=>"TWO SEATERS", "Manufacturer"=>"ACURA", "carline name"=>"NSX", "displ"=>"3.0", "cyl"=>"6.0", "trans"=>"Auto(S4)", "drv"=>"R", "bidx"=>"60.0", "cty"=>"17.0", "hwy"=>"24.0", "cmb"=>"20.0", "ucty"=>"19.1342", "uhwy"=>"30.2", "ucmb"=>"22.9121", "fl"=>"P", "G"=>"", "T"=>"", "S"=>"", "2pv"=>"", "2lv"=>"", "4pv"=>"", "4lv"=>"", "hpv"=>"", "hlv"=>"", "fcost"=>"1238.0", "eng dscr"=>"DOHC-VTEC", "trans dscr"=>"2MODE", "vpc"=>"4.0", "cls"=>"1.0"}
{"Class"=>"TWO SEATERS", "Manufacturer"=>"ACURA", "carline name"=>"NSX", "displ"=>"3.2", "cyl"=>"6.0", "trans"=>"Manual(M6)", "drv"=>"R", "bidx"=>"65.0", "cty"=>"17.0", "hwy"=>"24.0", "cmb"=>"19.0", "ucty"=>"18.7", "uhwy"=>"30.4", "ucmb"=>"22.6171", "fl"=>"P", "G"=>"", "T"=>"", "S"=>"", "2pv"=>"", "2lv"=>"", "4pv"=>"", "4lv"=>"", "hpv"=>"", "hlv"=>"", "fcost"=>"1302.0", "eng dscr"=>"DOHC-VTEC", "trans dscr"=>"", "vpc"=>"4.0", "cls"=>"1.0"}
{"Class"=>"TWO SEATERS", "Manufacturer"=>"ASTON MARTIN", "carline name"=>"ASTON MARTIN VANQUISH", "displ"=>"5.9", "cyl"=>"12.0", "trans"=>"Auto(S6)", "drv"=>"R", "bidx"=>"1.0", "cty"=>"12.0", "hwy"=>"19.0", "cmb"=>"14.0", "ucty"=>"13.55", "uhwy"=>"24.7", "ucmb"=>"17.015", "fl"=>"P", "G"=>"G", "T"=>"", "S"=>"", "2pv"=>"", "2lv"=>"", "4pv"=>"", "4lv"=>"", "hpv"=>"", "hlv"=>"", "fcost"=>"1651.0", "eng dscr"=>"GUZZLER", "trans dscr"=>"CLKUP", "vpc"=>"4.0", "cls"=>"1.0"}