11

我的问题在下面，但是任何有 xlrd 经验的人都会感兴趣的评论。

我刚刚找到 xlrd，它看起来像是完美的解决方案，但我在开始时遇到了一点问题。我正在尝试以编程方式从我从道琼斯提取的 Excel 文件中提取数据，其中包含道琼斯工业平均指数的当前成分（链接：http ://www.djindexes.com/mdsidx/?event=showAverages ）

当我打开未修改的文件时，出现令人讨厌的 BIFF 错误（无法识别二进制格式）

但是，您可以在此屏幕截图中看到 Excel 2008 for Mac 认为它是“Excel 1997-2004”格式（屏幕截图：http ://skitch.com/alok/ssa3/componentreport-dji.xls-properties ）

如果我改为手动在 Excel 中打开它并明确保存为“Excel 1997-2004”格式，然后在 python usig xlrd 中打开，一切都很好。请记住，Office 认为该文件已经是“Excel 1997-2004”格式。所有文件都是 .xls

这是复制问题的 ipython 会话的 pastebin：http: //pastie.textmate.org/private/jbawdtrvlrruh88mzueqdq

任何想法：如何欺骗 xlrd 识别文件以便我可以提取数据？如何使用 python 将显式“另存为”格式自动化为 xlrd 将接受的格式？B计划？

4

5 回答 5

26

FWIW，我是 xlrd 的作者，也是 xlwt（pyExcelerator 的一个分支）的维护者。几点：

  1. 文件 ComponentReport-DJI.xls 命名错误；它不是 XLS 文件，而是制表符分隔值文件。用文本编辑器（例如记事本）打开它，你就会明白我的意思了。您还可以使用 Python 查看非非常原始的原始字节：

    >>> 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 模块读取此文件……只需delimiter="\t"在调用csv.reader().

  2. xlrd 可以读取 pyExcelerator 可以读取的任何文件，并且可以更好地读取它们 - 日期不会以浮点数形式出现，有关 Excel 日期的完整故事在 xlrd 文档中。

  3. pyExcelerator 是废弃软件——xlrd 和 xlwt 还活得好好的。查看http://groups.google.com/group/python-excel

HTH 约翰

于 2009-03-29T14:21:13.750 回答
3

xlrd 对 Office 2007/2008 (OpenXML) 格式的支持处于 alpha 测试阶段 - 请参阅 python-excel 新闻组中的以下帖子： http ://groups.google.com/group/python-excel/msg/0c5f15ad122bf24b?hl=en

于 2008-11-07T14:14:03.777 回答
1

有关 pyExcelerator 的更多信息：要读取文件，请执行以下操作：

import pyExcelerator
book = pyExcelerator.parse_xls(filename)

其中 filename 是一个字符串，它是要读取的文件名（不是类似文件的对象）。这将为您提供一个表示工作簿的数据结构：一个对列表，其中对的第一个元素是工作表名称，第二个元素是工作表数据。

工作表数据是一个字典，其中键是 (row, col) 对（从 0 开始），值是单元格内容——通常是 int、float 或 string。因此，例如，在所有数据都在第一个工作表上的简单情况下：

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

如果单元格为空，您将收到 KeyError。如果您正在处理日期，它们可能（我忘记了）以整数或浮点数的形式出现；如果是这种情况，您需要转换。基本上规则是： datetime.datetime(1899, 12, 31) + datetime.timedelta(days=n) 但可能相差 1 或 2 （因为 Excel 将 1900 年视为与 Lotus 兼容的闰年，并且因为我不记得 1900-1-1 是 0 还是 1)，所以请进行一些试验和错误检查。日期时间存储为浮点数，我认为（天和一天的一小部分）。

我认为对论坛有部分支持，但我不保证任何事情。

于 2008-09-24T02:05:29.457 回答
0

好吧，这是我做的一些代码：（往下看）：这里

不确定更新的格式 - 如果 xlrd 无法读取，xlrd 需要发布新版本！

于 2008-09-23T01:14:51.067 回答
-1

你必须使用xlrd吗？我刚刚从该网站下载了“更新 - 道琼斯工业平均指数 - 2008”，并且使用pyExcelerator阅读它没有任何问题。

import pyExcelerator
book = pyExcelerator.parse_xls('DJIAMovers.xls')
于 2008-09-23T02:33:40.647 回答