使用 Python 读取/解析 Excel (xls) 文件[关闭]

问题描述：

使用 Python 读取 Excel（XLS）文件（而不是CSV文件）的最佳方法是什么。

Python 中是否有默认支持的内置包来执行此任务？

解决方案 1：

我强烈推荐使用xlrd来读取.xls文件。但它有一些限制（参考xlrd github 页面）：

警告

此库将不再读取 .xls 文件以外的任何文件。有关读取较新文件格式的替代方案，请参阅
http://www.python-excel.org/。

下列内容也不受支持，但可以安全可靠地被忽略：

- Charts, Macros, Pictures, any other embedded object, including embedded worksheets.
- VBA modules
- Formulas, but results of formula calculations are extracted.
- Comments
- Hyperlinks
- Autofilters, advanced filters, pivot tables, conditional formatting, data validation

该库不支持受密码保护的文件，因此无法读取这些文件。

voyager 提到了 COM 自动化的使用。几年前我自己也做过这件事，但请注意，这样做真的很麻烦。警告数量巨大，文档缺乏且令人厌烦。我遇到了许多奇怪的错误和陷阱，其中一些花了好几个小时才弄清楚。

更新：

对于较新的.xlsx文件，推荐的读写库似乎是openpyxl（感谢 Ikar Pohorský）。

解决方案 2：

您可以使用 pandas 来执行此操作，首先安装所需的库：

$ pip install pandas openpyxl

参见下面的代码：

import pandas as pd

xls = pd.ExcelFile(r"yourfilename.xls") # use r before absolute file path 

sheetX = xls.parse(2) #2 is the sheet number+1 thus if the file has only 1 sheet write 0 in paranthesis

var1 = sheetX['ColumnName']

print(var1[1]) #1 is the row number...

解决方案 3：

您可以选择其中任何一个http://www.python-excel.org/

我推荐python xlrd库。

使用安装

pip install xlrd

导入使用

import xlrd

打开工作簿

workbook = xlrd.open_workbook('your_file_name.xlsx')

按名称打开工作表

worksheet = workbook.sheet_by_name('Name of the Sheet')

按索引打开工作表

worksheet = workbook.sheet_by_index(0)

读取单元格值

worksheet.cell(0, 0).value    

解决方案 4：

我认为 Pandas 是最好的选择。这里已经有一个使用 PandasExcelFile函数的答案，但对我来说效果不佳。从这里我找到了read_excel可以正常工作的函数：

import pandas as pd
dfs = pd.read_excel("your_file_name.xlsx", sheet_name="your_sheet_name")
print(dfs.head(10))

PS您需要安装xlrd才能read_excel使用此功能

2020 年 3 月 21 日更新：正如您在此处看到的，该引擎存在问题xlrd，将被弃用。openpyxl是最好的替代品。因此，正如此处所述，规范语法应该是：

dfs = pd.read_excel("your_file_name.xlsx", sheet_name="your_sheet_name", engine="openpyxl")

更新 03-03-2023：现在还有其他几个可用选项。例如用 Rust 编写的 Polars 库：

import polars as pl
dfs = pl.read_excel("your_file_name.xlsx", sheet_name="your_sheet_name")

还可以随意检查 PyArrow 和 pyodbc 库。

解决方案 5：

对于 xlsx，我喜欢之前发布的解决方案，即https://web.archive.org/web/20180216070531/https://stackoverflow.com/questions/4371163/reading-xlsx-files-using-python。我只使用标准库中的模块。

def xlsx(fname):
    import zipfile
    from xml.etree.ElementTree import iterparse
    z = zipfile.ZipFile(fname)
    strings = [el.text for e, el in iterparse(z.open('xl/sharedStrings.xml')) if el.tag.endswith('}t')]
    rows = []
    row = {}
    value = ''
    for e, el in iterparse(z.open('xl/worksheets/sheet1.xml')):
        if el.tag.endswith('}v'):  # Example: <v>84</v>                            
            value = el.text
        if el.tag.endswith('}c'):  # Example: <c r="A3" t="s"><v>84</v></c>                                 
            if el.attrib.get('t') == 's':
                value = strings[int(value)]
            letter = el.attrib['r']  # Example: AZ22                         
            while letter[-1].isdigit():
                letter = letter[:-1]
            row[letter] = value
            value = ''
        if el.tag.endswith('}row'):
            rows.append(row)
            row = {}
    return rows

增加的改进是通过工作表名称获取内容，使用 re 获取列并检查是否使用了共享字符串。

def xlsx(fname,sheet):
    import zipfile
    from xml.etree.ElementTree import iterparse
    import re
    z = zipfile.ZipFile(fname)
    if 'xl/sharedStrings.xml' in z.namelist():
        # Get shared strings
        strings = [element.text for event, element
                   in iterparse(z.open('xl/sharedStrings.xml')) 
                   if element.tag.endswith('}t')]
    sheetdict = { element.attrib['name']:element.attrib['sheetId'] for event,element in iterparse(z.open('xl/workbook.xml'))
                                      if element.tag.endswith('}sheet') }
    rows = []
    row = {}
    value = ''

    if sheet in sheets:
    sheetfile = 'xl/worksheets/sheet'+sheets[sheet]+'.xml'
    #print(sheet,sheetfile)
    for event, element in iterparse(z.open(sheetfile)):
        # get value or index to shared strings
        if element.tag.endswith('}v') or element.tag.endswith('}t'):
            value = element.text
        # If value is a shared string, use value as an index
        if element.tag.endswith('}c'):
            if element.attrib.get('t') == 's':
                value = strings[int(value)]
            # split the row/col information so that the row leter(s) can be separate
            letter = re.sub('d','',element.attrib['r'])
            row[letter] = value
            value = ''
        if element.tag.endswith('}row'):
            rows.append(row)
            row = {}

    return rows

解决方案 6：

如果您需要旧的 XLS 格式。以下是 ansii 'cp1251' 的代码。

import xlrd

file=u'C:/Landau/task/6200.xlsx'

try:
    book = xlrd.open_workbook(file,encoding_override="cp1251")  
except:
    book = xlrd.open_workbook(file)
print("The number of worksheets is {0}".format(book.nsheets))
print("Worksheet name(s): {0}".format(book.sheet_names()))
sh = book.sheet_by_index(0)
print("{0} {1} {2}".format(sh.name, sh.nrows, sh.ncols))
print("Cell D30 is {0}".format(sh.cell_value(rowx=29, colx=3)))
for rx in range(sh.nrows):
   print(sh.row(rx))

解决方案 7：

    with open(csv_filename) as file:
        data = file.read()

    with open(xl_file_name, 'w') as file:
        file.write(data)

您可以使用内置包将 CSV 转换为 Excel，如上所示。CSV 可以使用内置包 dictreader 和 dictwriter 来处理，其工作方式与 Python 字典的工作方式相同。这让事情变得非常简单。我目前不知道任何内置的 Excel 包，但我遇到了 openpyxl。它也非常直接和简单。您可以看到下面的代码片段，希望这对您有所帮助

    import openpyxl
    book = openpyxl.load_workbook(filename)
    sheet = book.active 
    result =sheet['AP2']
    print(result.value)

解决方案 8：

对于较旧的.xls文件，您可以使用xlrd

你也可以xlrd直接通过导入来使用。如下所示

import xlrd
wb = xlrd.open_workbook(file_name)

或者也可以使用pandas的pd.read_excel()方法，但是不要忘记指定引擎，虽然默认是xlrd，但还是必须指定。

pd.read_excel(file_name, engine = xlrd)

它们都适用于较旧的.xls文件格式。事实上，我在使用时遇到了这个问题OpenPyXL，我得到了以下错误

InvalidFileException: openpyxl does not support the old .xls file format, please use xlrd to read this file, or convert it to the more recent .xlsx file format.

解决方案 9：

您可以使用此处列出的任何库（例如基于 JExcelApi 的Pyxlreader或xlwt），加上COM 自动化来使用 Excel 本身读取文件，但为此您需要引入 Office 作为软件的依赖项，这可能并不总是一种选择。

解决方案 10：

您也可以考虑运行（非 Python）程序 xls2csv。输入一个 xls 文件，您应该会得到一个 csv。

解决方案 11：

Python Excelerator 也可以处理这个任务。http ://ghantoos.org/2007/10/25/python-pyexcelerator-small-howto/

它也可以在 Debian 和 Ubuntu 中使用：

 sudo apt-get install python-excelerator

解决方案 12：

如果该文件确实是一个旧的 .xls，那么在 python3 上只需使用基本 open() 和 pandas 就可以为我工作：

df = pandas.read_csv(open(f, encoding = 'UTF-8'), sep='    ')

请注意，我使用的文件是制表符分隔的。less 或文本编辑器应该能够读取 .xls，以便您可以嗅出分隔符。

我在使用 xlrd 时运气不佳，我认为是因为 UTF-8 问题。

解决方案 13：

对于较旧的 Excel 文件，有OleFileIO_PL 模块可以读取所使用的 OLE 结构化存储格式。