如何使用xlrd將Excel文件讀入Python？ 它可以讀取更新的Office格式嗎？

Question

我的問題如下，但對任何有xlrd經驗的人都會感興趣。

我剛剛發現xlrd，它看起來像是完美的解決方案，但我開始時遇到了一些問題。 我試圖從道瓊斯提取的Excel文件中以編程方式提取數據，其中包含道瓊斯工業平均指數的當前組成部分（鏈接： http ： //www.djindexes.com/mdsidx/？event = showAverages ）

當我打開未修改的文件時，我得到一個令人討厭的BIFF錯誤（無法識別二進制格式）

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

如果我手動在Excel中打開並顯式保存為“Excel 1997-2004”格式，則在python usig xlrd中打開，一切都很棒。 請記住，Office認為該文件已經采用“Excel 1997-2004”格式。 所有文件都是.xls

這是一個復制問題的ipython會話的pastebin： http ：//pastie.textmate.org/private/jbawdtrvlrruh88mzueqdq

有任何想法：如何欺騙xlrd識別文件，以便我可以提取數據？ 如何使用python將顯式的“另存為”格式自動化為xlrd將接受的格式？ B計划？

Answer 1

FWIW，我是xlrd的作者，也是xlwt的維護者（pyExcelerator的一個分支）。 幾點：

1. ComponentReport-DJI.xls文件名稱錯誤; 它不是XLS文件，它是一個制表符分隔值文件。 用文本編輯器（例如記事本）打開它，你就會明白我的意思。 您還可以使用Python查看非常原始的原始字節：

    >>> 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模塊讀取此文件...只需在調用csv.reader()使用delimiter="\\t" 。

2. xlrd可以讀取pyExcelerator可以讀取的任何文件，並且可以更好地讀取它們 - 日期不會以浮點數形式出現，Excel日期的完整故事在xlrd文檔中。

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

HTH約翰

Answer 2

對Office 2007/2008（OpenXML）格式的xlrd支持是alpha測試 - 請參閱python-excel新聞組中的以下帖子： http ：//groups.google.com/group/python-excel/msg/0c5f15ad122bf24b？hl = en

Answer 3

有關pyExcelerator的更多信息：要讀取文件，請執行以下操作：

import pyExcelerator
book = pyExcelerator.parse_xls(filename)

其中filename是一個字符串，是要讀取的文件名（不是類似文件的對象）。 這將為您提供表示工作簿的數據結構：對列表，其中對的第一個元素是工作表名稱，第二個元素是工作表數據。

工作表數據是一個字典，其中鍵是（row，col）對（從0開始），值是單元格內容 - 通常是int，float或string。 因此，例如，在第一個工作表上的所有數據的簡單情況下：

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

如果單元格為空，則會出現KeyError。 如果你正在處理日期，他們可能 （我忘記）以整數或浮點數來表達; 如果是這種情況，您需要轉換。 基本上規則是：datetime.datetime（1899,12,31）+ datetime.timedelta（days = n），但可能會偏離1或2（因為Excel將1900視為與Lotus兼容的閏年，因為我不記得1900-1-1是0還是1），所以要做一些反復試驗。 我認為日期時間存儲為花車（天數和一天中的幾分之一）。

我認為對論壇有部分支持，但我不保證任何事情。

Answer 4

這里有一些我做的代碼:(向下看）： 這里

不確定更新的格式 - 如果xlrd無法讀取它，xlrd需要發​​布新版本！

Answer 5

你必須使用xlrd嗎？ 我剛從該網站下載了“更新 - 道瓊斯工業平均推動者 - 2008”，並且使用pyExcelerator閱讀它並沒有任何問題。

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