從“輸入”blob 存儲容器中讀取 excel 文件，並使用 python 導出到“輸出”容器中的 csv

Question

我正在嘗試在 python 中開發一個腳本，以從名為“源”的 blob 存儲容器中讀取.xlsx中的文件，將其轉換為.csv並將其存儲在一個新容器中（如果工作，我正在本地測試腳本我應該將它包含在 ADF 管道中）。 到目前為止，我設法訪問了 blob 存儲，但在讀取文件內容時遇到了問題。

from azure.storage.blob import BlobServiceClient, ContainerClient, BlobClient
import pandas as pd

conn_str = "DefaultEndpointsProtocol=https;AccountName=XXXXXX;AccountKey=XXXXXX;EndpointSuffix=core.windows.net"
container = "source"
blob_name = "prova.xlsx"

container_client = ContainerClient.from_connection_string(
    conn_str=conn_str, 
    container_name=container
    )
# Download blob as StorageStreamDownloader object (stored in memory)
downloaded_blob = container_client.download_blob(blob_name)

df = pd.read_excel(downloaded_blob)

print(df)

我收到以下錯誤：

ValueError：無效的文件路徑或緩沖區 object 類型：<class 'azure.storage.blob._download.StorageStreamDownloader'>

我嘗試使用.csv文件作為輸入並編寫如下解析代碼：

df = pd.read_csv(StringIO(downloaded_blob.content_as_text()) )

它有效。

關於如何修改代碼以使 excel 文件變得可讀的任何建議？

Answer 1

我將解決方案總結如下。

當我們在 sdk pandas中使用pd.read_excel()方法時，我們需要提供字節作為輸入。 但是當我們使用download_blob從 azure blob 下載 excel 文件時，我們只得到azure.storage.blob.StorageStreamDownloader 所以我們需要使用方法readall()或content_as_bytes()將其轉換為字節。 更多詳細信息，請參閱文檔和文檔

Answer 2

改變

df = pd.read_excel(downloaded_blob)

至

df = pd.read_excel(downloaded_blob.content_as_bytes())