我们的系统中有一个批处理过程，它将使用Perl将Excel .xlsx文件转换为CSV格式。当它转换CSV文件时，会产生一些像Â这样的符号，所以我没有得到预期的结果。有些人可以帮我转换为CSV时如何使用与Excel文件中相同的值吗？
Unverifiable License Documentation NB Only
Unverifiable License Documentation – NB Only
我希望在转换为CSV
时保留与Excel中相同的值注意：我在打开文件时使用了编码（UTF-8），但即使这样它也无效。
use Spreadsheet::XLSX;
use File::Basename;
use set_env_cfg;
use Date::Simple (':all');
use Math::Round;
$sts = open( INP, "< ${if}" );
#$sts = open (INP, '<:encoding(UTF-8)', ${if} );
#$sts = open (INP, '<:encoding(ISO-8859-1)', ${if} );
if ( $sts == 0 ) {
print LOG tmstmp() . ": Error opening input file\n";
close LOG;
print LOG "$ldlm\n";
`cp $lf $od`;
die;
}
print LOG "$ldlm\n";
print LOG tmstmp() . ": Conversion started for $if\n";
$oBook = Spreadsheet::XLSX->new($if);
foreach $WkS ( @{ $oBook->{Worksheet} } ) {
print LOG tmstmp() . ": Converting worksheet ----- " . $WkS->{Name}, "\n";
$cfgrec = ''; # initialize the configure record
$sts = open( OUT, ">$od/$WkS->{Name}.txt" );
if ( $sts == 0 ) {
print LOG tmstmp() . ": Error opening output file\n";
close LOG;
close INP;
print LOG "$ldlm\n";
`cp $lf $od`;
die;
}
$WkS->{MaxRow} ||= $WkS->{MinRow};
foreach $iR ( $WkS->{MinRow} .. $WkS->{MaxRow} ) {
$WkS->{MaxCol} ||= $WkS->{MinCol};
print OUT $cfgkey if ( ( $cfgko == 0 ) && ( $iR >= $hdrcnt ) );
foreach $iC ( $WkS->{MinCol} .. $WkS->{MaxCol} ) {
$cell = $WkS->{Cells}[$iR][$iC];
if ($cell) {
if ( ( $cell->{Type} ) eq "Date" ) {
if ( int( $cell->{Val} ) == ( $cell->{Val} ) ) {
$tmpval = date("1900-01-01") + ( $cell->{Val} ) - 2;
}
else {
$css = round( ( ( $cell->{Val} ) - int( $cell->{Val} ) ) * 86400 );
$cmi = int( $css / 60 );
$chr = int( $css / 3600 );
$css = $css - $cmi * 60;
$cmi = $cmi - $chr * 60;
$tmpval = date("1900-01-01") + int( $cell->{Val} ) - 2;
$tmpval .= " $chr:$cmi:$css";
}
}
else {
$tmpval = Spreadsheet::XLSX::Utility2007::unescape_HTML( $cell->{Val} );
}
print OUT $tmpval; ###Added double quotes in txt file to handle the comma delimiter value
}
if ( ( $iR == ${hdr_seq} - 1 ) ) {
if ( ( $cell->{Type} ) eq "Date" ) {
if ( int( $cell->{Val} ) == ( $cell->{Val} ) ) {
$tmpval = date("1900-01-01") + ( $cell->{Val} ) - 2;
}
else {
$css = round( ( ( $cell->{Val} ) - int( $cell->{Val} ) ) * 86400 );
$cmi = int( $css / 60 );
$chr = int( $css / 3600 );
$css = $css - $cmi * 60;
$cmi = $cmi - $chr * 60;
$tmpval = date("1900-01-01") + int( $cell->{Val} ) - 2;
$tmpval .= " $chr:$cmi:$css";
}
}
else {
$tmpval = Spreadsheet::XLSX::Utility2007::unescape_HTML( $cell->{Val} );
}
$cfgrec .= $tmpval;
}
if ( ( $iC == 0 ) && ( $iR == ${hdr_seq} ) ) {
$cfgrec = uc($cfgrec);
$cfgko = cnt_ocr( $cfgrec, $keyhdr );
$cfgkey = "*|" x ( $klm - $cfgko );
}
print OUT "|" if ( $iC < $WkS->{MaxCol} );
print OUT $cfgkey if ( ( $cfgko == $iC + 1 ) && ( $iR >= $hdrcnt ) );
}
print OUT "\n";
}
print LOG tmstmp() . ": Worsheet conversion completed successfully ----- " . $WkS->{Name}, "\n";
close OUT;
push @csv_file_lst, "$WkS->{Name}.txt";
}
print LOG tmstmp() . ": Conversion completed successfully for $if\n";
答案 0 :(得分：5)
我的猜测是你的Excel文件包含使用Windows-1252代码页编码的数据，该代码页在没有首先被解码的情况下被重新编码为UTF-8
Excel文件中的此字符串
Unverifiable License Documentation – NB Only
包含EN DASH，在Windows-1252中表示为"\x96"。如果将其再次编码为UTF-8，则结果为两个字节"\xC2\x96"。使用Windows-1252对此进行解释会产生两个字符：LATIN CAPITAL LETTER A WITH CIRCUMFLEX，然后是EN DASH，这就是您所看到的
据我所知，唯一需要做的改变是用Windows-1252解码打开你的文件，就像这样
open my $fh, '<:encoding(Windows-1252)', $excel_file or die $!
您修改后的问题会显示您的Perl代码，但已从您显示的Excel数据中删除了基本信息。这个字符串
Unverifiable License Documentation NB Only
现在Documentation和NB之间只有两个空格，省略了"0x96" n-dash
注意 - 我已经恢复了原始数据并整理了您的代码。
您打开输入文件的各种尝试都在这里
$sts=open (INP, "< ${if}" );
#$sts=open (INP, '<:encoding(UTF-8)', ${if} );
#$sts=open (INP, '<:encoding(ISO-8859-1)', ${if} );
并且你与ISO-8859-1非常接近，但是Microsft在他们的智慧中重复使用了ISO-8859-1编码在0x7F和0x9F之间的差距来表示Windows-1252中的可打印字符。 0x96处的n-dash字符在此范围内，因此将输入解码为ISO-8859-1将无法正确呈现
据我所知，你只需要写
$sts = open (INP, '<:encoding(Windows-1252)', ${if} );
，您的输入数据将被正确读取
您还应指定输出文件的编码，以避免Wide character in print警告和格式错误的数据。我不知道你是想要复制Excel文件的编码，使用UTF-8还是其他东西，但你应该改变这个
$sts = open( OUT, ">$od/$WkS->{Name}.txt" );
到
$sts = open OUT, '>:encoding(Windows-1252)', "$od/$WkS->{Name}.txt";
或 $ sts = open OUT，'＆gt;：encoding（UTF-8）'，“$ od / $ WkS-＆gt; {Name} .txt”;
酌情
另请注意，最佳做法是始终使用open的三参数形式，最好使用词汇文件名而不是全局名称。但这不是代码审查，所以我忽略了这些要点
我希望这能为您强调建立输入数据的编码并正确解码是至关重要。猜猜真的不是一个选择
道歉。我忽略了open模块忽略了初始Spreadsheet::XLSX，它传递了文件名，而不是文件句柄
这个模块很尴尬，因为它完全隐藏了所有字符解码，并依赖于[Text::Iconv] [Text :: Iconv]来进行它支持的小转换：Perl自己更好地支持这一点[Encode] [编码]模块
我建议您对open调用的更改是错误的，因为.xlsx文件似乎是压缩文件。但是你从来没有读过INP因此它没有任何区别。您应该在打开它之后立即close INP，因为它是一个浪费的资源
如果不使用其他模块，我建议的最好的事情是你破解Spreadsheet::XLSX->new
此块将纠正错误的重新编码。我已经在foreach $iR（...）`循环
您需要添加
use Encode qw/ decode :fallbacks /;
到代码顶部
请告诉我你是怎么过的。现在我真的必须去！
{
my $columns = $WkS->{Cells};
for my $row ( @$columns ) {
next unless $row;
for my $cell ( @$row) {
next unless $cell and $cell->type eq 'Text';
for ( $cell->{_Value} ) {
$_ = decode('UTF-8', $_, FB_CROAK);
$_ = decode('Windows-1252', $_, FB_CROAK);
}
}
}
}