如何在Azure数据工厂中读取扩展名为.xlsx和.xls的文件？

Question

我正在尝试在Azure数据工厂数据集中读取具有.xlsx扩展名的Azure Blob存储中的文件并使其表现出色。它引发以下错误

Error found when processing 'Csv/Tsv Format Text' source 'Filename.xlsx' with row number 3: found more columns than expected column count: 1.

什么是在Azure Data Factory中读取Excel文件的正确列和行分隔符

Answer 1

Excel文件具有专有格式，不是简单的定界文件。如图所示这里，Azure的数据工厂并不会产生直接的选项导入Excel文件，例如，你不能创建一个链接服务到Excel文件，轻松地阅读。您的选择是：

1. 将数据导出或转换为平面文件（例如，在传输到云之前），因为.csv，制表符分隔，管道分隔等比Excel文件更易于阅读。尽管显然需要更改流程，但这是最简单的选择。
2. 尝试将XML切碎-创建一个自定义任务，以XML格式打开Excel文件并按照此处的建议提取数据。
3. 现在，Azure Data Factory中支持SSIS包（具有“ 执行SSIS包”活动），并且对Excel文件（例如连接管理器）具有更好的支持。因此，可以选择创建一个SSIS包以处理Excel并将其托管在ADFv2中。 警告！ 我还没有测试过，我只是猜测这是可能的。另外，创建用于在ADFv2中运行SSIS的集成运行时（IR）的开销也很大。
4. 尝试一些其他的自定义活动，例如，有一个自定义的U型SQL提取用于在github切碎XML 这里。
5. 尝试使用Databricks读取Excel，这里有一些示例，尽管拆分一个Spark集群以读取一些Excel文件似乎有些过头了。如果Spark已经在您的体系结构中，那么这可能是一个不错的选择。

让我们知道您的身体情况如何。

Answer 2

Azure 数据工厂 V2 最近发布了一个更新，支持解析现有连接器上的 Excel(.xls) 文件。

目前支持excel文件的连接有：

• 亚马逊S3
• 蔚蓝斑点
• Azure 数据湖存储 Gen1
• Azure 数据湖存储 Gen2
• Azure 文件存储
• 文件系统
• 文件传输协议
• 谷歌云存储
• 分布式文件系统
• HTTP协议
• SFTP

更多详细信息可以在这里找到：https ://learn.microsoft.com/en-us/azure/data-factory/format-excel