如何使用xlrd将Excel文件读入Python？ 它可以读取更新的Office格式吗？

Question

我的问题如下，但对任何有xlrd经验的人都会感兴趣。

我刚刚发现xlrd，它看起来像是完美的解决方案，但我开始时遇到了一些问题。 我试图从道琼斯提取的Excel文件中以编程方式提取数据，其中包含道琼斯工业平均指数的当前组成部分（链接： http ： //www.djindexes.com/mdsidx/？event = showAverages ）

当我打开未修改的文件时，我得到一个令人讨厌的BIFF错误（无法识别二进制格式）

但是，您可以在此屏幕截图中看到Excel 2008 for Mac认为它采用'Excel 1997-2004'格式（屏幕截图： http ： //skitch.com/alok/ssa3/componentreport-dji.xls-properties ）

如果我手动在Excel中打开并显式保存为“Excel 1997-2004”格式，则在python usig xlrd中打开，一切都很棒。 请记住，Office认为该文件已经采用“Excel 1997-2004”格式。 所有文件都是.xls

这是一个复制问题的ipython会话的pastebin： http ：//pastie.textmate.org/private/jbawdtrvlrruh88mzueqdq

有任何想法：如何欺骗xlrd识别文件，以便我可以提取数据？ 如何使用python将显式的“另存为”格式自动化为xlrd将接受的格式？ B计划？

Answer 1

FWIW，我是xlrd的作者，也是xlwt的维护者（pyExcelerator的一个分支）。 几点：

1. ComponentReport-DJI.xls文件名称错误; 它不是XLS文件，它是一个制表符分隔值文件。 用文本编辑器（例如记事本）打开它，你就会明白我的意思。 您还可以使用Python查看非常原始的原始字节：

    >>> open('ComponentReport-DJI.xls', 'rb').read(200) 'COMPANY NAME\\tPRIMARY EXCHANGE\\tTICKER\\tSTYLE\\tICB SUBSECTOR\\tMARKET CAP RANGE\\ tWEIGHT PCT\\tUSD CLOSE\\t\\r\\n3M Co.\\tNew York SE\\tMMM\\tN/A\\tDiversified Industria ls\\tBroad\\t5.15676229508\\t50.33\\t\\r\\nAlcoa Inc.\\tNew York SE\\tA' 

   您可以使用Python的csv模块读取此文件...只需在调用csv.reader()使用delimiter="\\t" 。

2. xlrd可以读取pyExcelerator可以读取的任何文件，并且可以更好地读取它们 - 日期不会以浮点数形式出现，Excel日期的完整故事在xlrd文档中。

3. pyExcelerator是abandonware-xlrd，xlwt还活着。 查看http://groups.google.com/group/python-excel

HTH约翰

Answer 2

对Office 2007/2008（OpenXML）格式的xlrd支持是alpha测试 - 请参阅python-excel新闻组中的以下帖子： http ：//groups.google.com/group/python-excel/msg/0c5f15ad122bf24b？hl = en

Answer 3

有关pyExcelerator的更多信息：要读取文件，请执行以下操作：

import pyExcelerator
book = pyExcelerator.parse_xls(filename)

其中filename是一个字符串，是要读取的文件名（不是类似文件的对象）。 这将为您提供表示工作簿的数据结构：对列表，其中对的第一个元素是工作表名称，第二个元素是工作表数据。

工作表数据是一个字典，其中键是（row，col）对（从0开始），值是单元格内容 - 通常是int，float或string。 因此，例如，在第一个工作表上的所有数据的简单情况下：

data = book[0][1]
print 'Cell A1 of worksheet %s is: %s' % (book[0][0], repr(data[(0, 0)]))

如果单元格为空，则会出现KeyError。 如果你正在处理日期，他们可能 （我忘记）以整数或浮点数来表达; 如果是这种情况，您需要转换。 基本上规则是：datetime.datetime（1899,12,31）+ datetime.timedelta（days = n），但可能会偏离1或2（因为Excel将1900视为与Lotus兼容的闰年，因为我不记得1900-1-1是0还是1），所以要做一些反复试验。 我认为日期时间存储为花车（天数和一天中的几分之一）。

我认为对论坛有部分支持，但我不保证任何事情。

Answer 4

这里有一些我做的代码:(向下看）： 这里

不确定更新的格式 - 如果xlrd无法读取它，xlrd需要发​​布新版本！

Answer 5

你必须使用xlrd吗？ 我刚从该网站下载了“更新 - 道琼斯工业平均推动者 - 2008”，并且使用pyExcelerator阅读它并没有任何问题。

import pyExcelerator
book = pyExcelerator.parse_xls('DJIAMovers.xls')