從python中的xls讀取unicode

Question

我正在嘗試使用Python讀取.xls文件。 該文件包含多個非ascii字符（即äöü）。 我已經嘗試過使用openpyxls和xlrd（我對xlrd寄予厚望，因為它無論如何都會讀取unicode中的所有內容），但都沒有工作。

我在嘗試從xls打印信息時發現了多個處理編碼/解碼的答案，但我似乎無法達到那么遠。 只需嘗試讀取文件后，此腳本就會出錯：

import xlrd
workbook = xlrd.open_workbook('export_data.xls')

導致：

Traceback (most recent call last):
  File "C:\Users\Administrator\workspace\tufinderxlstoxml\tufinderxlstoxml2.py", line 2, in <module>
    workbook = xlrd.open_workbook('export_data.xls')
  File "C:\Python27_32\lib\site-packages\xlrd\__init__.py", line 435, in open_workbook
    ragged_rows=ragged_rows,
  File "C:\Python27_32\lib\site-packages\xlrd\book.py", line 119, in open_workbook_xls
    bk.get_sheets()
  File "C:\Python27_32\lib\site-packages\xlrd\book.py", line 705, in get_sheets
    self.get_sheet(sheetno)
  File "C:\Python27_32\lib\site-packages\xlrd\book.py", line 696, in get_sheet
    sh.read(self)
  File "C:\Python27_32\lib\site-packages\xlrd\sheet.py", line 796, in read
    strg = unpack_string(data, 6, bk.encoding or bk.derive_encoding(), lenlen=2)
  File "C:\Python27_32\lib\site-packages\xlrd\biffh.py", line 269, in unpack_string
    return unicode(data[pos:pos+nchars], encoding)
UnicodeDecodeError: 'ascii' codec can't decode byte 0x92 in position 55: ordinal not in range(128)
WARNING *** OLE2 inconsistency: SSCS size is 0 but SSAT size is non-zero
*** No CODEPAGE record, no encoding_override: will use 'ascii'
*** No CODEPAGE record, no encoding_override: will use 'ascii'

我也嘗試過：

workbook = xlrd.open_workbook('export_data.xls', encoding_override="utf-8")

導致：

Traceback (most recent call last):
  File "C:\Users\Administrator\workspace\tufinderxlstoxml\tufinderxlstoxml2.py", line 2, in <module>
    workbook = xlrd.open_workbook('export_data.xls', encoding_override="utf-8")
  File "C:\Python27_32\lib\site-packages\xlrd\__init__.py", line 435, in open_workbook
    ragged_rows=ragged_rows,
  File "C:\Python27_32\lib\site-packages\xlrd\book.py", line 119, in open_workbook_xls
    bk.get_sheets()
  File "C:\Python27_32\lib\site-packages\xlrd\book.py", line 705, in get_sheets
    self.get_sheet(sheetno)
  File "C:\Python27_32\lib\site-packages\xlrd\book.py", line 696, in get_sheet
    sh.read(self)
  File "C:\Python27_32\lib\site-packages\xlrd\sheet.py", line 796, in read
    strg = unpack_string(data, 6, bk.encoding or bk.derive_encoding(), lenlen=2)
  File "C:\Python27_32\lib\site-packages\xlrd\biffh.py", line 269, in unpack_string
    return unicode(data[pos:pos+nchars], encoding)
UnicodeDecodeError: 'utf8' codec can't decode byte 0x92 in position 55: invalid start byte
WARNING *** OLE2 inconsistency: SSCS size is 0 but SSAT size is non-zero

並包括頂部各種版本：

# -*- coding: utf-8 -*-

我在Windows Server 2008計算機上的python 2.7上運行它。

Answer 1

謝謝大家的反饋！

我最終使用encoding_override函數修復了它。 我無法找到cp代碼對應德語字符的Microsoft文檔，所以我嘗試了所有這些。 最終我得到了cp1251，它有效！

workbook = xlrd.open_workbook(path, encoding_override="cp1251")

Answer 2

從我對OOo文檔的閱讀中，xls使用了unfode的utf_16_le風格，而不是utf8（即每個字符存儲的小端使用兩個字節），請嘗試：

workbook = xlrd.open_workbook('export_data.xls', encoding_override="utf_16_le")

（見http://www.openoffice.org/sc/excelfileformat.pdf第17頁）

Answer 3

有點晚了，但我希望你嘗試使用unicodecsv進行編碼。