readxl::read_xls 返回“libxls 错误：无法打开文件”

Question

我有多个 .xls (~100MB) 文件，我想从中将多个工作表（从每个工作表）作为数据帧加载到 R 中。我尝试了各种函数，例如xlsx::xlsx2and XLConnect::readWorksheetFromFile，它们总是运行很长时间（> 15 分钟）并且永远不会完成，我必须强制退出 RStudio 才能继续工作。

我也试过gdata::read.xls，它确实完成了，但每张纸需要超过 3 分钟，而且它不能像XLConnect::loadWorkbookcan一样一次提取多张纸（这对加快我的管道非常有帮助）。

执行这些函数所需的时间（我什至不确定如果让它们运行更长时间，前两个函数是否会完成）对于我的管道来说太长了，我需要同时处理许多文件。有没有办法让这些更快地完成/完成？

在几个地方，我看到了使用该功能的建议，该功能readxl::read_xls似乎被广泛推荐用于此任务，并且每张纸应该更快。然而，这个给了我一个错误：

> # Minimal reproducible example:
> setwd("/Users/USER/Desktop")
> library(readxl)
> data <- read_xls(path="test_file.xls")
Error: 
  filepath: /Users/USER/Desktop/test_file.xls
  libxls error: Unable to open file

我还进行了一些基本测试，以确保文件存在且格式正确：

> # Testing existence & format of the file
> file.exists("test_file.xls")
[1] TRUE
> format_from_ext("test_file.xls")
[1] "xls"
> format_from_signature("test_file.xls")
[1] "xls"

在test_file.xls上面使用的是可在这里。在使第一个功能运行得更快或read_xls根本运行方面的任何建议将不胜感激- 谢谢！

更新：

这似乎有些用户能够打开上面使用的文件readxl::read_xls的功能，而其他人都没有，无论是在Mac和Windows，使用最先进的最新版本R，Rstudio以及readxl。该问题已发布在 readxl GitHub 上，尚未解决。

Answer 1

我下载了您的数据集并以这种方式读取了每个 Excel 表（例如，对于“整体”和“区域”表）：

install.packages("readxl")
library(readxl)
library(data.table)

dt_overall <- as.data.table(read_excel("test_file.xls", sheet = "Overall"))
area_sheet <- as.data.table(read_excel("test_file.xls", sheet = "Area"))

最后，我得到这样的 dt（例如，只有“区域”表的数据集的一部分）：

同样，您可以改用该read_xls函数read_excel。

我检查了一下，它也可以正常工作，甚至更快一点，因为它read_excel是一个包装器read_xls和包中的read_xlsx功能readxl。

此外，您可以使用包中的excel_sheets函数readxl来读取 Excel 文件的所有工作表。

更新

使用microbenchmarkpackage 对以下包/函数进行基准测试：gdata::read.xls,XLConnect::readWorksheetFromFile和readxl::read_excel.

但XLConnect它是基于 Java 的解决方案，因此需要大量 RAM。