此答案中建议的解决方案已被弃用，可能不再有效。

Question

我正在处理处理大量Excel 2007文件的应用程序，并且我正在使用OpenPyXL来执行此操作。 OpenPyXL有两种不同的方法来读取Excel文件 - 一个＆＃34;普通＆＃34;将整个文档一次加载到内存中的方法，以及一个使用迭代器逐行读取的方法。

问题在于，当我使用迭代器方法时，我没有得到任何文档元数据，如列宽和行/列数，而且真的需要这个数据。我假设这些数据存储在靠近顶部的Excel文档中，因此不必将整个10MB文件加载到内存中以便访问它。

那么，有没有办法获得行/列数和列宽，而不先将整个文档加载到内存中？

Answer 1

此答案中建议的解决方案已被弃用，可能不再有效。

看一下OpenPyXL的源代码（IterableWorksheet）我已经弄清楚了如何从迭代器工作表中获取列数和行数：

wb = load_workbook(path, use_iterators=True)
sheet = wb.worksheets[0]

row_count = sheet.get_highest_row() - 1
column_count = letter_to_index(sheet.get_highest_column()) + 1

IterableWorksheet.get_highest_column返回一个字符串，其中包含您可以在Excel中看到的列字母，例如“A”，“B”，“C”等。因此，我还编写了一个函数来将列字母转换为基于零的索引：

def letter_to_index(letter):
    """Converts a column letter, e.g. "A", "B", "AA", "BC" etc. to a zero based
    column index.

    A becomes 0, B becomes 1, Z becomes 25, AA becomes 26 etc.

    Args:
        letter (str): The column index letter.
    Returns:
        The column index as an integer.
    """
    letter = letter.upper()
    result = 0

    for index, char in enumerate(reversed(letter)):
        # Get the ASCII number of the letter and subtract 64 so that A
        # corresponds to 1.
        num = ord(char) - 64

        # Multiply the number with 26 to the power of `index` to get the correct
        # value of the letter based on it's index in the string.
        final_num = (26 ** index) * num

        result += final_num

    # Subtract 1 from the result to make it zero-based before returning.
    return result - 1

我仍然没有弄清楚如何获取列大小，所以我决定在我的应用程序中使用固定宽度的字体并自动缩放列。

Answer 2

这可能是非常复杂的，我可能会错过显而易见的，但是如果没有OpenPyXL填充Iterable工作表中的column_dimensions（请参阅上面的评论），我可以看到找到列大小而不加载所有内容的唯一方法是解析xml直接：

from xml.etree.ElementTree import iterparse
from openpyxl import load_workbook
wb=load_workbook("/path/to/workbook.xlsx", use_iterators=True)
ws=wb.worksheets[0]
xml = ws._xml_source
xml.seek(0)

for _,x in iterparse(xml):

    name= x.tag.split("}")[-1]
    if name=="col":
        print "Column %(max)s: Width: %(width)s"%x.attrib # width = x.attrib["width"]

    if name=="cols":
        print "break before reading the rest of the file"
        break

Answer 3

Python 3

import openpyxl as xl

wb = xl.load_workbook("Sample.xlsx", enumerate)

#the 2 lines under do the same. 
sheet = wb.get_sheet_by_name('sheet') 
sheet = wb.worksheets[0]

row_count = sheet.max_row
column_count = sheet.max_column

#this works fore me.

Answer 4

使用熊猫的选项。

获取包含行数和列数的所有工作表名称。

import pandas as pd
xl = pd.ExcelFile('file.xlsx')
sheetnames = xl.sheet_names
for sheet in sheetnames:
    df = xl.parse(sheet)
    dimensions = df.shape
    print('sheetname', ' --> ', dimensions)

单张纸的行和列数。

import pandas as pd
xl = pd.ExcelFile('file.xlsx')
sheetnames = xl.sheet_names
df = xl.parse(sheetnames[0])   # [0] get first tab/sheet.
dimensions = df.shape
print(f'sheetname: "{sheetnames[0]}" - -> {dimensions}')

输出sheetname "Sheet1" --> (row count, column count)

Answer 5

https://pythonhosted.org/pyexcel/iapi/pyexcel.sheets.Sheet.html 请参阅：row_range（）获取行范围的实用程序函数

如果使用pyexcel，可以调用row_range获取最大行数。

python 3.4测试通过。

是否可以在不将整个文档加载到内存中的情况下获取Excel文档的行数？

5 个答案:

此答案中建议的解决方案已被弃用，可能不再有效。