我对python和Stackoverflow相对较新,但希望任何人都可以了解我当前的问题。我有一个python脚本,从一个目录中获取excel文件(.xls和.xlsx)并将它们转换为.csv文件到另一个目录。它在我的示例excel文件(由4列和1行组成,用于测试)上工作得非常好,但是当我尝试针对具有excel文件的不同目录(文件大小更大)运行我的脚本时,我得到了断言错误。我附上了我的代码和错误。期待对这个问题有一些指导。谢谢!
import os
import pandas as pd
source = "C:/.../TestFolder"
output = "C:/.../OutputCSV"
dir_list = os.listdir(source)
os.chdir(source)
for i in range(len(dir_list)):
filename = dir_list[i]
book = pd.ExcelFile(filename)
#writing to csv
if filename.endswith('.xlsx') or filename.endswith('.xls'):
for i in range(len(book.sheet_names)):
df = pd.read_excel(book, book.sheet_names[i])
os.chdir(output)
new_name = filename.split('.')[0] + str(book.sheet_names[i])+'.csv'
df.to_csv(new_name, index = False)
os.chdir(source)
print "New files: ", os.listdir(output)
答案 0 :(得分:0)
由于您使用Windows,请考虑使用Jet / ACE SQL引擎(Windows .dll文件)查询Excel工作簿并导出到CSV文件,从而绕过使用pandas数据帧加载/导出的需要。
具体来说,使用pyodbc
建立与Excel文件的ODBC连接,遍历每个工作表并使用SELECT * INTO ...
SQL操作查询导出到csv文件。 openpyxl
模块用于检索工作表名称。下面的脚本不依赖于相对路径,因此可以从任何地方运行。假设每个Excel文件都有完整的标题列(在顶行的已使用范围内没有丢失的单元格)。
import os
import pyodbc
from openpyxl import load_workbook
source = "C:/Path/To/TestFolder"
output = "C:/Path/To/OutputCSV"
dir_list = os.listdir(source)
for xlfile in dir_list:
strfile = os.path.join(source, xlfile)
if strfile.endswith('.xlsx') or strfile.endswith('.xls'):
# CONNECT TO WORKBOOK
conn = pyodbc.connect(r'Driver={Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)};' + \
'DBQ={};'.format(strfile), autocommit=True)
# RETRIEVE WORKBOOK SHEETS
sheets = load_workbook(filename = strfile, use_iterators = True).get_sheet_names()
# ITERATIVELY EXPORT SHEETS TO CSV IN OUTPUT FOLDER
for s in sheets:
outfile = os.path.join(output, '{0}_{1}.csv'.format(xlfile.split('.')[0], s))
if os.path.exists(outfile): os.remove(outfile)
strSQL = " SELECT * " + \
" INTO [text;HDR=Yes;Database={0};CharacterSet=65001].[{1}]" + \
" FROM [{2}$]"
conn.execute(strSQL.format(output, os.path.basename(outfile, s))
conn.close()
**注意:此过程会创建一个schema.ini
文件,该文件与每次迭代连接。可以删除。