使用xlrd读取excel文件

Question

我在读取由我无法控制的Perl脚本编写的.xls文件时遇到问题.这些文件包含单元格内的一些格式和换行符.

filename = '/home/shared/testfile.xls'
book = xlrd.open_workbook(filename)
sheet = book.sheet_by_index(0)
for rowIndex in xrange(1, sheet.nrows):
    row = sheet.row(rowIndex)

这会引发以下错误:

_locate_stream(Workbook): seen
    0  5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
   20  4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
172480= 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
172500  4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 2
172520  2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
173840= 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
173860  2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1
173880  1 1 1 1 1 1 1 1
Traceback (most recent call last):
  File "/home/shared/xlrdtest.py", line 5, in <module>
    book = xlrd.open_workbook(filename)
  File "/usr/local/lib/python2.7/site-packages/xlrd/__init__.py", line 443, in open_workbook
    ragged_rows=ragged_rows,
  File "/usr/local/lib/python2.7/site-packages/xlrd/book.py", line 84, in open_workbook_xls
    ragged_rows=ragged_rows,
  File "/usr/local/lib/python2.7/site-packages/xlrd/book.py", line 616, in biff2_8_load
    self.mem, self.base, self.stream_len = cd.locate_named_stream(qname)
  File "/usr/local/lib/python2.7/site-packages/xlrd/compdoc.py", line 393, in locate_named_stream
    d.tot_size, qname, d.DID+6)
  File "/usr/local/lib/python2.7/site-packages/xlrd/compdoc.py", line 421, in _locate_stream
    raise CompDocError("%s corruption: seen[%d] == %d" % (qname, s, self.seen[s]))
xlrd.compdoc.CompDocError: Workbook corruption: seen[2] == 4

我无法找到有关CompDocError或Workbook损坏的任何信息,甚至更少看到[2] == 4部分.

Answer 1

受到这个答案的启发，但更直接一点：

pd.read_excel 接受 xlrd.Book 对象，因此您可以执行以下操作：

workbook = xlrd.open_workbook('file_name.xls', ignore_workbook_corruption=True)
excel = pd.read_excel(workbook)

Answer 2

从 pkm 评论（链接）来看，问题出在复合文件二进制文件上

#pip install OleFileIO-PL
import OleFileIO_PL
import pandas as pd

path = 'file.xls'
with open(path,'rb') as file:
    ole = OleFileIO_PL.OleFileIO(file)
    if ole.exists('Workbook'):
        d = ole.openstream('Workbook')
        x=pd.read_excel(d,engine='xlrd')
        print(x.head())

Answer 3

+1拉米尔。只需在compdoc.py中注释此行

if self.seen[s]:
    print("_locate_stream(%s): seen" % qname, file=self.logfile);dump_list(self.seen, 20, self.logfile)
    raise CompDocError("%s corruption: seen[%d] == %d" % (qname, s, self.seen[s]))

Answer 4

[对于Workbook corruption: seen[2] == 4阅读XLS文件时遇到问题的pandas用户]

注意： xlrd 不再支持xls文件以外的任何内容，有关详细信息和替代方法，请参阅此答案。

1. 使用xlrd2.0.0 或更高版本：https : //pypi.org/project/xlrd/。

2. 在__init__.py自动加载的文件之一中添加您自己的熊猫 XLS 引擎

from pandas.io.excel._xlrd import XlrdReader

class CustomXlrdReader(XlrdReader):

    def load_workbook(self, filepath_or_buffer):
        """Same as original, just uses ignore_workbook_corruption=True)"""
        from xlrd import open_workbook

        if hasattr(filepath_or_buffer, "read"):
            data = filepath_or_buffer.read()
            return open_workbook(file_contents=data, ignore_workbook_corruption=True)
        else:
            return open_workbook(filepath_or_buffer)


ExcelFile._engines['custom_xlrd'] = CustomXlrdReader
print('Monkey patching pandas XLS engines. See CustomXlrdReader')

要使用它，请指定engine='custom_xlrd'读取 XLS 文件的时间

df = pd.read_excel(filepath, engine='custom_xlrd')

这xlrd是测试的损坏文件：

https://github.com/python-excel/xlrd/blob/master/tests/samples/corrupted_error.xls

Answer 5

也许作为最后的手段，您可以尝试将 .xls 文件另存为 .csv 文件，然后尝试读取它。

显然你说你可以在从 Excel 打开和关闭之后打开它，所以这是同样的工作。

如果您确实希望脚本打开它们，那么如果您在 Windows 平台上，请使用pywin32从脚本中打开和关闭 Excel，并在同一个 go 中打开和关闭文件。也许这可行。（很愚蠢，但可能是一种解决方法）

示例（从这里盗来的）

from win32com.client import Dispatch
xl = Dispatch('Excel.Application')
wb = xl.Workbooks.Open('C:\\Documents and Settings\\GradeBook.xls')