使用Python读取/解析Excel（xls）文件

Question

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

是否有一个内置包，默认情况下在Python中支持执行此任务？

Answer 1

我强烈推荐xlrd阅读.xls文件。

旅行者提到了COM自动化的使用。几年前我自己这样做了，请注意这样做是真正的PITA。警告的数量巨大，文档缺乏和烦人。我遇到了许多奇怪的错误和陷阱，其中一些需要花费很多时间来弄明白。

更新：对于较新的.xlsx文件，推荐的阅读和写作库似乎是openpyxl（谢谢，IkarPohorský）。

Answer 2

使用熊猫：

import pandas as pd

xls = pd.ExcelFile("yourfilename.xls")

sheetX = xls.parse(2) #2 is the sheet number

var1 = sheetX['ColumnName']

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

Answer 3

python xlrd库可以更好地解决这个问题

import xlrd

打开工作簿

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

按名称打开表格

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

按索引打开表格

worksheet = workbook.sheet_by_index(0)

读取单元格值

worksheet.cell(0, 0).value    

Answer 4

我认为熊猫是最好的方式。已经有一个答案here与熊猫使用ExcelFile功能，但它不适合我。从here我发现read_excel功能正常工作：

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

附：你需要为xlrd函数安装read_excel才能工作

Answer 5

您可以使用任何库listed here（如基于JExcelApi的Pyxlreader或xlwt），以及用于读取文件的COM automation to use Excel itself，但为此您将Office作为软件的依赖项，这可能并不总是选项。

Answer 6

您也可以考虑运行（非python）程序xls2csv。给它一个xls文件，你应该回来一个csv。

Answer 7

对于较旧的Excel文件，有OleFileIO_PL module可以读取使用的OLE结构化存储格式。

Answer 8

Python Excelerator也处理此任务。 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

Answer 9

对于xlsx，我喜欢之前发布的https://stackoverflow.com/questions/4371163/reading-xlsx-files-using-python解决方案。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'):                                
            value = el.text
        if el.tag.endswith('}c'):                                 
            if el.attrib.get('t') == 's':
                value = strings[int(value)]
            letter = el.attrib['r']                             
            while letter[-1].isdigit():
                letter = letter[:-1]
            row[letter] = value
            value = ''
        if el.tag.endswith('}row'):
            rows.append(row)
            row = {}
    return rows

添加的改进是按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