Lectura de archivos xlsx con Python

Question

Leí el año pasado que xlrd se estaba actualizando para poder leer archivos xlsx (Excel 2007, 2010). ¿Hay alguna noticia sobre este desarrollo o el uso de otras utilidades de Python?

Answer 1

Apoyo para la lectura de los datos básicos (open_workbook (..., formatting_info = false)) de Excel 2007 .xlsx y .xlsm está en prueba alpha en el momento. Ver publicaciones previas en este grupo (buscar para "excel 2007 xlsx").

Desde el foro Regarding xlrd support for excel

Answer 2

archivos XLSX lectura es bastante simple, en realidad.

Son archivos ZIP con ciertos documentos XML con nombres fijos.

Puede - sin demasiados códigos - abrir el archivo ZIP, analizar los documentos XML relevantes y procesar los datos relevantes.

Éstos son algunos consejos: http://slott-softwarearchitect.blogspot.com/2010/10/xlsm-and-xlsx-files-finally-reaching.html

Answer 3

Eric Gazoni ha escrito openpyxl que se lee/escribe xlsx archivos Más detalles disponibles de his blog y la code repository para cualquier codificadores Python querer probarlo

Answer 4

Un poco tarde para la fiesta, pero xlrd ahora admite de forma nativa xlsx. He actualizado 0.6.0-0.8.0 usando pip install xlrd --upgrade en el símbolo del sistema (WindowsKey + R continuación cmd) y ahora se lee xlsx sin ningún problema.

http://pypi.python.org/pypi/xlrd

Answer 5

import openpyxl as px 
import numpy as np 

W = px.load_workbook('filename.xlsx', use_iterators = True) 
p = W.get_sheet_by_name(name = 'Sheet1') 

a=[] 

for row in p.iter_rows(): 
    for k in row: 
     a.append(k.internal_value) 

# convert list a to matrix (for example 5*6) 
aa= np.resize(a, [5, 6]) 

# save matrix aa as xlsx file 
WW=px.Workbook() 
pp=WW.get_active_sheet() 
pp.title='NEW_DATA' 

f={'A':0,'B':1,'C':2,'D':3,'E':4,'F':5} 

#insert values in six columns 
for (i,j) in f.items(): 
    for k in np.arange(1,len(aa)+1): 
     pp.cell('%s%d'%(i,k)).value=aa[k-1][j] 

WW.save('newfilname.xlsx') 

Answer 6

Aquí es una implementación muy muy áspera usando sólo la biblioteca estándar.

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'): # <v>84</v> 
      value = el.text 
     if el.tag.endswith('}c'): # <c r="A3" t="s"><v>84</v></c> 
      if el.attrib.get('t') == 's': 
       value = strings[int(value)] 
      letter = el.attrib['r'] # AZ22 
      while letter[-1].isdigit(): 
       letter = letter[:-1] 
      row[letter] = value 
      value = '' 
     if el.tag.endswith('}row'): 
      rows.append(row) 
      row = {} 
    return rows 

Answer 7

Sí gracias por el gran subrutina!

Lo he actualizado para permitir que el hash de filas use los nombres de las columnas como índice en lugar de letras, si se especifica una fila de encabezado.

readXlsx("mysheet.xlsx", sheet = 1, header = True) 

def readXlsx(fileName, **args): 

    import zipfile 
    from xml.etree.ElementTree import iterparse 

    if "sheet" in args: 
     sheet=args["sheet"] 
    else: 
     sheet=1 
    if "header" in args: 
     isHeader=args["header"] 
    else: 
     isHeader=False 

    rows = [] 
    row = {} 
    header = {} 
    z  = zipfile.ZipFile(fileName) 

    # Get shared strings 
    strings = [ el.text for e, el 
         in iterparse(z.open('xl/sharedStrings.xml')) 
         if el.tag.endswith('}t') 
         ] 
    value = '' 

    # Open specified worksheet 
    for e, el in iterparse(z.open('xl/worksheets/sheet%d.xml'%(sheet))): 
     # get value or index to shared strings 
     if el.tag.endswith('}v'):         # <v>84</v> 
      value = el.text 
     if el.tag.endswith('}c'):         # <c r="A3" t="s"><v>84</v></c> 

      # If value is a shared string, use value as an index 
      if el.attrib.get('t') == 's': 
       value = strings[int(value)] 

      # split the row/col information so that the row leter(s) can be separate 
      letter = el.attrib['r']         # AZ22 
      while letter[-1].isdigit(): 
       letter = letter[:-1] 

      # if it is the first row, then create a header hash for the names 
      # that COULD be used 
      if rows ==[]: 
       header[letter]=value 
      else: 
       if value != '': 

        # if there is a header row, use the first row's names as the row hash index 
        if isHeader == True and letter in header: 
         row[header[letter]] = value 
        else: 
         row[letter] = value 

      value = '' 
     if el.tag.endswith('}row'): 
      rows.append(row) 
      row = {} 
    z.close() 
    return rows