使用Ruby解析XLS和XLSX（MS Excel）文件？

Question

有沒有可以解析XLS和XLSX文件的gem？ 我找到了Spreadsheet和ParseExcel，但是它們都不了解XLSX格式。

Answer 1

我最近需要用Ruby解析一些Excel文件。 原來，豐富的庫和選項令人困惑，所以我寫了一篇關於它的博客文章 。

這是不同的Ruby庫及其支持的表：

如果您關心性能，則xlsx庫的比較方式如下：

我的示例代碼讀取XLSX與每個支持庫文件在這里

以下是一些使用一些不同庫讀取xlsx文件的示例：

紅寶石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

這是使用spreadsheet庫讀取舊版xls文件的示例：

電子表格

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

剛發現roo可能會勝任工作-可以滿足我的要求，閱讀基本的電子表格。

Answer 3

roo gem對於Excel（.xls和.xlsx）非常有用，並且正在積極開發中。

我同意語法不太好，也不像紅寶石一樣。 但這可以通過以下方式輕松實現：

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+上運行。 每行的輸出格式是行和列名稱對單元格內容的哈希：{“ A1” =>“ a cell”，“ B1” =>“另一個單元格”}哈希不能保證鍵將位於原始列順序。 https://github.com/pythonicrubyist/creek

呆板是另一個使用nokogiri的偉大工具。 超級快。 在Macbook Air的21x11250 xlsx桌上使用了6.7秒。 可以在ruby 2.0.0+上運行。 每行的輸出格式是一個數組：[“一個單元格”，“另一個單元格”] https://github.com/thirtyseven/dullard

已經提到過的simple_xlsx_reader很棒，有點慢。 在Macbook Air的21x11250 xlsx桌上使用了91秒。 可以在Ruby 1.9.3+上運行。 每行的輸出格式是一個數組：[“一個單元格”，“另一個單元格”] https://github.com/woahdae/simple_xlsx_reader

另一個有趣的是oxcelix。 它使用ox的SAX解析器，該解析器比nokogiri的DOM和SAX解析器都快。 據推測，它輸出一個矩陣。 我無法正常工作。 此外，rubyzip還存在一些依賴項問題。 不會推薦它。

總之，小溪似乎是一個不錯的選擇。 其他帖子推薦simple_xlsx_parser，因為它具有類似的性能。

根據建議，刪除了過時的文字，因為它過時了，人們對此有錯誤/有問題。

Answer 5

如果您正在尋找更現代的庫，請查看Spreadsheet： http : //spreadsheet.rubyforge.org/GUIDE_txt.html 。 我無法確定它是否支持XLSX文件，但是考慮到它是積極開發的，我猜測它確實支持（我不在Windows或Office上，因此無法測試）。

在這一點上， roo似乎又是一個不錯的選擇。 它支持XLSX，僅通過使用單元訪問times就可以進行（某些）迭代。 我承認，雖然不是很漂亮。

此外，RubyXL現在可以使用其extract_data方法為您提供某種迭代，該方法可以為您提供2d數據數組，可以輕松地對其進行迭代。

另外，如果您嘗試在Windows上使用XLSX文件，則可以使用Ruby的Win32OLE庫，該庫允許您與OLE對象（如Word和Excel提供的對象）進行接口。 但是 ，正如@PanagiotisKanavos在評論中提到的那樣，它有一些主要缺點：

• 必須安裝Excel
• 為每個文檔啟動一個新的Excel實例
• 內存和其他資源的消耗遠遠超出了簡單XLSX文檔操作所需的消耗。

但是，如果選擇使用它，則可以選擇不顯示Excel，加載XLSX文件並通過它訪問它。 我不確定它是否支持迭代，但是，我認為圍繞提供的方法進行構建不會太困難，因為它是用於Excel的完整Microsoft OLE API。 這是文檔： http : //support.microsoft.com/kb/222101這是瑰寶： http : //www.ruby-doc.org/stdlib-1.9.3/libdoc/win32ole/rdoc/WIN32OLE.html

同樣，這些選項看起來並沒有好得多，但是恐怕沒有太多其他選擇了。 很難解析是黑匣子的文件格式。 那些設法打破它的人很少能做到這一點。 Google文檔是封閉源代碼，而LibreOffice是數千行Carry C ++。

Answer 6

在過去的兩周中，我一直在與Spreadsheet和rubyXL進行大量的工作，我必須說兩者都是很好的工具。 但是，兩者都遭受的一個方面是缺少實際實施任何有用的示例。 目前，我正在構建一個搜尋器，並使用rubyXL解析任何xls的xlsx文件和Spreadsheet。 我希望下面的代碼可以作為一個有用的示例，並說明這些工具的有效性。

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

我找不到令人滿意的xlsx解析器。 RubyXL不進行日期類型轉換，Roo嘗試將數字類型轉換為日期，並且在api和代碼中都一團糟。

所以，我寫了simple_xlsx_reader 。 但是，您必須為xls使用其他功能，所以也許這不是您要查找的完整答案。

Answer 9

包括作者在Spreadsheet gem上的網站在內的大多數在線示例都演示了將Excel文件的全部內容讀入RAM的過程。 如果您的電子表格很小，那很好。

xls = Spreadsheet.open(file_path)

對於使用超大文件的任何人，更好的方法是流式讀取文件的內容。 Spreadsheet gem對此提供了支持-盡管目前（在2015年3月3日）尚無充分記錄。

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庫在內部使用roo 。 它使讀取不同格式（XLS，XLSX，CSV等，可能是遠程的，可能存儲在zip，gz等內部）的電子表格變得容易：

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

輸出：

{"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"}