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（来自每个工作表）作为数据帧加载到R中。我尝试了各种功能，例如xlsx::xlsx2和XLConnect::readWorksheetFromFile，这两个功能始终运行很长时间（> 15分钟），并且从未完成，因此我不得不强制退出RStudio才能继续工作。

我也尝试过gdata::read.xls，它确实完成了，但是每张纸要花费3分钟以上的时间，并且不能一次提取多张纸（这对加快我的工作流程非常有帮助），就像{{1 }}可以。

执行这些函数所花的时间（而且我甚至不确定如果让它们运行更长的时间，前两个函数是否会完成）对于我的管道来说太长了，我需要一次处理多个文件。有没有办法让它们更快地完成/完成？

在一些地方，我看到了使用功能XLConnect::loadWorkbook的建议，该功能似乎被广泛推荐用于此任务，并且每张纸应该更快。但是，这给了我一个错误：

readxl::read_xls

我还进行了一些基本测试，以确保文件存在并且格式正确：

> # 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

上面使用的> # 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" 可用here。 任何建议都会使第一个功能运行得更快，或者使test_file.xls完全运行-谢谢！

更新：

似乎有些用户可以使用read_xls功能打开上面的文件，而另一些用户不能使用最新版本的readxl::read_xls，{ {1}}和R。 issue has been posted on the readxl GitHub并且尚未解决。

Answer 1

我下载了您的数据集并以这种方式读取每个excel工作表（例如，工作表“总体”和“区域”）：

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，我得到这样的数据（例如，“区域”表的数据集的一部分）：

同样，您可以使用read_xls函数代替read_excel。

我检查了一下，它也可以正常工作甚至更快一点，因为read_excel是read_xls包中read_xlsx和readxl函数的包装。

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

更新

使用microbenchmark软件包对以下软件包/功能进行基准测试：gdata::read.xls，XLConnect::readWorksheetFromFile和readxl::read_excel。

但是XLConnect是基于Java的解决方案，因此需要大量RAM。

Answer 2

我将提出不同的工作流程。如果您恰好安装了LibreOffice，则可以通过编程将excel文件转换为csv。我有Linux，所以我用bash来做，但是我确信它可以在macOS中实现。

因此，打开一个终端，并导航至包含您的excel文件的文件夹，然后在终端中运行：

for i in *.xls
    do soffice --headless --convert-to csv "$i" 
done

现在在 R 中，您可以使用data.table::fread来循环读取文件：

方案1：文件的结构不同

如果文件的结构不同，则您不想将它们rbind在一起。您可以在 R 中运行：

files <- dir("path/to/files", pattern = ".csv")
all_files <- list()
for (i in 1:length(files)){
  fileName <- gsub("(^.*/)(.*)(.csv$)", "\\2", files[i])
  all_files[[fileName]] <- fread(files[i])
}

如果要将列表中的命名元素提取到全局环境中，以便可以将其转换为对象，则可以使用list2env：

list2env(all_files, envir = .GlobalEnv)

请注意两件事：首先，在gsub调用中，斜线的方向。其次，如果list2env与列表中的命名元素具有相同的名称，则它们可能会覆盖全局环境中的对象。

方案2：文件的结构相同

在这种情况下，您可能想一起rbind一起使用它们。您可以在 R 中运行：

files <- dir("path/to/files", pattern = ".csv")
joined <- list()
for (i in 1:length(files)){
  joined <- rbindlist(joined, fread(files[i]), fill = TRUE)
}

Answer 3

我看到了类似的错误，想分享一个短期解决方案。

library(readxl)
download.file("https://mjwebster.github.io/DataJ/spreadsheets/MLBpayrolls.xls", "MLBPayrolls.xls")
MLBpayrolls <- read_excel("MLBpayrolls.xls", sheet = "MLB Payrolls", na = "n/a")

收益（在我教室中的某些系统上，但在其他系统上不是）：

错误：文件路径：MLBPayrolls.xls libxls错误：无法打开文件

临时解决方案是将xls文件的URL粘贴到Firefox中，然后通过浏览器下载。完成此操作后，我们可以正确运行read_excel行。

今天，在带有R 3.6.2和R Studio 1.2.5033的Windows 10上发生了这种情况。

Answer 4

我发现下载后无法立即用read_xl打开文件，但是如果我在Excel中打开文件，将其保存并再次关闭，则read_xl可以毫无问题地打开它。

我建议的处理数百个文件的解决方法是建立一个小的C＃命令行实用程序，该实用程序可以打开，保存和关闭Excel文件。下面是源代码，可以使用Visual Studio Community Edition编译该实用程序。

using System.IO;
using Excel = Microsoft.Office.Interop.Excel;

namespace resaver
{
  class Program
  {
    static void Main(string[] args)
    {
      string srcFile = Path.GetFullPath(args[0]);
      Excel.Application excelApplication = new Excel.Application();
      excelApplication.Application.DisplayAlerts = false;
      Excel.Workbook srcworkBook = excelApplication.Workbooks.Open(srcFile);
      srcworkBook.Save();
      srcworkBook.Close();
      excelApplication.Quit();
    }
  }
}

编译后，可以使用以下命令从R中调用该实用程序system2()。

Answer 5

在我的系统上，我必须使用path.expand。

R> file = "~/blah.xls"
R> read_xls(file)

Error: 
  filepath: ~/Dropbox/signal/aud/rba/balsheet/data/a03.xls
  libxls error: Unable to open file

R> read_xls(path.expand(file)) # fixed

Answer 6

保存文件即可轻松解决问题。

我之前也发现了这个问题，但是我从您的讨论中得到了答案。

我使用read_excel()打开这些文件。

Answer 7

如果你已经从网上下载了.xls数据，即使你是在Excel中打开它，它也会首先打开一个提示，询问你是否信任来源，看下面的截图，我猜这是R (read_xls) 也无法打开它的原因，因为它被认为是不安全的。将其另存为 .xlsx 文件，然后使用 read_xlsx() 或 read_excel()。