xls到csv转换器

时间:2012-03-27 06:25:09

标签: python excel csv xls export-to-csv

我在python中使用win32.client将.xlsx和.xls文件转换为.csv。当我执行此代码时,它会发出错误。我的代码是:

def convertXLS2CSV(aFile):
    '''converts a MS Excel file to csv w/ the same name in the same directory'''

    print "------ beginning to convert XLS to CSV ------"

    try:
        import win32com.client, os
        from win32com.client import constants as c
        excel = win32com.client.Dispatch('Excel.Application')

        fileDir, fileName = os.path.split(aFile)
        nameOnly = os.path.splitext(fileName)
        newName = nameOnly[0] + ".csv"
        outCSV = os.path.join(fileDir, newName)
        workbook = excel.Workbooks.Open(aFile)
        workbook.SaveAs(outCSV, c.xlCSVMSDOS) # 24 represents xlCSVMSDOS
        workbook.Close(False)
        excel.Quit()
        del excel

        print "...Converted " + nameOnly + " to CSV"
    except:
        print ">>>>>>> FAILED to convert " + aFile + " to CSV!"

convertXLS2CSV("G:\\hello.xlsx")

我无法在此代码中找到错误。请帮忙。

13 个答案:

答案 0 :(得分:62)

我会使用xlrd - 它更快,跨平台并直接使用该文件。 有一点需要注意 - 它不适用于xlsx文件 - 所以你必须将你的Excel文件保存为xls。 编辑:从版本0.8.0开始,{{1} }读取XLS和XLSX文件。

xlrd

答案 1 :(得分:40)

我会使用pandas。计算量很大的部分是用cython或c-extension编写的,以加快进程,语法非常干净。例如,如果要将“Sheet1”从文件“your_workbook.xls”转换为文件“your_csv.csv”,则只需使用顶级函数read_excel和方法to_csv即可。 DataFrame课程如下:

import pandas as pd
data_xls = pd.read_excel('your_workbook.xls', 'Sheet1', index_col=None)
data_xls.to_csv('your_csv.csv', encoding='utf-8')

设置encoding='utf-8'会缓解其他答案中提及的UnicodeEncodeError

答案 2 :(得分:31)

也许有人发现这条准备好的代码片段很有用。它允许从Excel工作簿中的所有电子表格创建CSV。

enter image description here

# -*- coding: utf-8 -*-
import xlrd
import csv
from os import sys

def csv_from_excel(excel_file):
    workbook = xlrd.open_workbook(excel_file)
    all_worksheets = workbook.sheet_names()
    for worksheet_name in all_worksheets:
        worksheet = workbook.sheet_by_name(worksheet_name)
        with open('{}.csv'.format(worksheet_name), 'wb') as your_csv_file:
            wr = csv.writer(your_csv_file, quoting=csv.QUOTE_ALL)
            for rownum in xrange(worksheet.nrows):
                wr.writerow([unicode(entry).encode("utf-8") for entry in worksheet.row_values(rownum)])

if __name__ == "__main__":
    csv_from_excel(sys.argv[1])

答案 3 :(得分:21)

我使用csvkit,它使用xlrd(用于xls)和openpyxl(用于xlsx)将几乎任何表格数据转换为csv。

安装后,依赖于它,这是一个问题:

python in2csv myfile > myoutput.csv

它会处理所有格式检测问题,因此您可以将其传递给任何表格数据源。它也是跨平台的(没有win32依赖)。

答案 4 :(得分:3)

@andi我测试了你的代码,效果很好,但是

在我的工作表中有一个像这样的专栏

2013-03-06T04:00:00

同一单元格中的日期和时间

在导出期间出现乱码,在导出的文件中会出现这种情况

41275.0416667

其他栏目也可以。

另一方面,csvkit对该列没有问题,但只导出一张表,而我的文件有很多。

答案 5 :(得分:3)

xlsx2csv更快。

xlsx2csv -s 0 crunchbase_monthly_.xlsx cruchbase

excel文件通常带有n sheetname。

-s is sheetname index.
然后,将创建cruchbase文件夹,每张属于xlsx的工作表都将转换为单个csv。

P.S。 csvkit也很棒。

答案 6 :(得分:1)

answer引用Scott Ming,该getsheets.py适用于包含多个工作表的工作簿:

这是一个python脚本mirrorhttps://github.com/tensorflow/models/tree/master/tutorials/image/cifar10),您应该在使用之前安装pandasxlrd

运行:

pip3 install pandas xlrd  # or `pip install pandas xlrd`

它是如何运作的?

$ python3 getsheets.py -h
Usage: getsheets.py [OPTIONS] INPUTFILE

Convert a Excel file with multiple sheets to several file with one sheet.

Examples:

    getsheets filename

    getsheets filename -f csv

Options:
-f, --format [xlsx|csv]  Default xlsx.
-h, --help               Show this message and exit.

转换为多个xlsx:

$ python3 getsheets.py goods_temp.xlsx
Sheet.xlsx Done!
Sheet1.xlsx Done!

All Done!

转换为多个csv:

$ python3 getsheets.py goods_temp.xlsx -f csv
Sheet.csv Done!
Sheet1.csv Done!

All Done!

getsheets.py

# -*- coding: utf-8 -*-

import click
import os
import pandas as pd


def file_split(file):
    s = file.split('.')
    name = '.'.join(s[:-1])  # get directory name
    return name


def getsheets(inputfile, fileformat):
    name = file_split(inputfile)
    try:
        os.makedirs(name)
    except:
        pass

    df1 = pd.ExcelFile(inputfile)
    for x in df1.sheet_names:
        print(x + '.' + fileformat, 'Done!')
        df2 = pd.read_excel(inputfile, sheetname=x)
        filename = os.path.join(name, x + '.' + fileformat)
        if fileformat == 'csv':
            df2.to_csv(filename, index=False)
        else:
            df2.to_excel(filename, index=False)
    print('\nAll Done!')


CONTEXT_SETTINGS = dict(help_option_names=['-h', '--help'])


@click.command(context_settings=CONTEXT_SETTINGS)
@click.argument('inputfile')
@click.option('-f', '--format', type=click.Choice([
    'xlsx', 'csv']), default='xlsx', help='Default xlsx.')
def cli(inputfile, format):
    '''Convert a Excel file with multiple sheets to several file with one sheet.

    Examples:

    \b
        getsheets filename

    \b
        getsheets filename -f csv
    '''
    if format == 'csv':
        getsheets(inputfile, 'csv')
    else:
        getsheets(inputfile, 'xlsx')


cli()

答案 7 :(得分:1)

首先将excel电子表格读入熊猫,下面的代码将excel电子表格作为OrderedDict类型导入到熊猫中,其中包含您所有的工作表作为数据框。然后,只需使用worksheet_name作为键即可将特定的工作表作为数据框访问,并使用df.to_csv()仅将所需的工作表另存为csv文件。希望这能根据您的情况进行锻炼。

import pandas as pd
df = pd.read_excel('YourExcel.xlsx', sheet_name=None)
df['worksheet_name'].to_csv('YourCsv.csv')  

如果您的Excel文件仅包含一个工作表,则只需使用以下代码:

import pandas as pd
df = pd.read_excel('YourExcel.xlsx')
df.to_csv('YourCsv.csv') 

如果有人想将所有Excel工作表从单个Excel工作簿转换为不同的csv文件,请尝试以下代码:

import pandas as pd
def excelTOcsv(filename):
    df = pd.read_excel(filename, sheet_name=None)  
    for key, value in df.items(): 
        return df[key].to_csv('%s.csv' %key)

此功能作为同一Excel工作簿的多个Excel工作表,可用于多个csv文件转换器。键是工作表名称,值是工作表中的内容。

答案 8 :(得分:1)

Python并不是完成此任务的最佳工具。我在Python中尝试了几种方法,但没有一种方法能100%正常工作(例如10%转换为0.1,或者列类型被弄乱了,等等)。正确的工具是PowerShell,因为它是MS产品(与Excel一样),并且具有最佳集成。

只需下载this PowerShell脚本,编辑第47行以输入包含Excel文件的文件夹的路径,然后使用PowerShell运行脚本。

答案 9 :(得分:0)

使用xlrd是一种有缺陷的方法,因为你在Excel中丢失了日期格式。

我的用例如下。

获取包含多个工作表的Excel文件,并将每个工作表转换为自己的文件。

我使用xlsx2csv库并使用子进程调用它。

import csv
import sys, os, json, re, time
import subprocess

def csv_from_excel(fname):
    subprocess.Popen(["xlsx2csv " + fname + " --all -d '|' -i -p "
                      "'<New Sheet>' > " + 'test.csv'], shell=True)

    return

lstSheets = csv_from_excel(sys.argv[1])

time.sleep(3) # system needs to wait a second to recognize the file was  written

with open('[YOUR PATH]/test.csv') as f:
    lines = f.readlines()
    firstSheet = True

    for line in lines:
        if line.startswith('<New Sheet>'):
            if firstSheet:
                sh_2_fname = line.replace('<New Sheet>', '').strip().replace(' - ', '_').replace(' ','_')
                print(sh_2_fname)
                sh2f = open(sh_2_fname+".csv", "w")
                firstSheet = False
            else:
                sh2f.close()
                sh_2_fname = line.replace('<New Sheet>', '').strip().replace(' - ', '_').replace(' ','_')
                print(sh_2_fname)
                sh2f = open(sh_2_fname+".csv", "w")
        else:
            sh2f.write(line)
sh2f.close()

答案 10 :(得分:0)

我已经测试了所有的漱口水,但它们对我来说都太慢了。如果安装了Excel,则可以使用COM。

我认为最初它会慢一些,因为它会为实际的Excel应用程序加载所有内容,但它不适用于大文件。也许是因为打开和保存文件的算法运行了一个经过大量优化的编译代码,微软的人毕竟为它赚了很多钱。

import sys
import os
import glob
from win32com.client import Dispatch

def main(path):
    excel = Dispatch("Excel.Application")
    if is_full_path(path):
        process_file(excel, path)
    else:
        files = glob.glob(path)
        for file_path in files:
            process_file(excel, file_path)
    excel.Quit()

def process_file(excel, path):
    fullpath = os.path.abspath(path)
    full_csv_path = os.path.splitext(fullpath)[0] + '.csv'
    workbook = excel.Workbooks.Open(fullpath)
    workbook.Worksheets(1).SaveAs(full_csv_path, 6)
    workbook.Saved = 1
    workbook.Close()


def is_full_path(path):
    return path.find(":") > -1

if __name__ == '__main__':
    main(sys.argv[1])

这是非常原始的代码,不会检查错误,打印帮助或任何内容,它只会为每个文件创建一个csv文件,该文件与您在函数中输入的模式相匹配,因此您只能批量处理大量文件启动excel应用程序一次。

答案 11 :(得分:0)

我们可以使用Python的Pandas lib将xls文件转换为csv文件 下面的代码将xls文件转换为csv文件。 将pandas导入为pd

从本地路径读取Excel文件:

df = pd.read_excel("C:/Users/IBM_ADMIN/BU GPA Scorecard.xlsx",sheetname=1)

修剪列上的空格:

df.columns = df.columns.str.strip()

将数据框发送到CSV文件,该文件将是管道符号分隔且没有索引:

df.to_csv("C:/Users/IBM_ADMIN/BU GPA Scorecard csv.csv",sep="|",index=False)

答案 12 :(得分:0)

由于我讨厌依赖于非跨平台的Windows Excel专有软件,我对csvkit for .xls的测试在幕后使用xlrd,但无法正确解析日期(即使使用命令行参数指定strptime格式也是如此)。

例如,this xls filecsvkit一起解析时,会将G1的单元格12/31/2002转换为37621,而通过excel转换为csv时- > save_as(在下面使用)单元格G1将是"December 31, 2002"

import re
import os
from win32com.client import Dispatch
xlCSVMSDOS = 24

class CsvConverter(object):
    def __init__(self, *, input_dir, output_dir):
        self._excel = None
        self.input_dir = input_dir
        self.output_dir = output_dir

        if not os.path.isdir(self.output_dir):
            os.makedirs(self.output_dir)

    def isSheetEmpty(self, sheet):
        # https://archive.is/RuxR7
        # WorksheetFunction.CountA(ActiveSheet.UsedRange) = 0 And ActiveSheet.Shapes.Count = 0

        return \
            (not self._excel.WorksheetFunction.CountA(sheet.UsedRange)) \
            and \
            (not sheet.Shapes.Count)

    def getNonEmptySheets(self, wb, as_name=False):
        return [ \
            (sheet.Name if as_name else sheet) \
            for sheet in wb.Sheets \
            if not self.isSheetEmpty(sheet) \
        ]

    def saveWorkbookAsCsv(self, wb, csv_path):
        non_empty_sheet_names = self.getNonEmptySheets(wb, as_name=True)

        assert (len(non_empty_sheet_names) == 1), \
            "Expected exactly 1 sheet but found %i non-empty sheets: '%s'" \
            %(
                len(non_empty_sheet_names),
                "', '".join(name.replace("'", r"\'") for name in non_empty_sheet_names)
            )

        wb.Worksheets(non_empty_sheet_names[0]).SaveAs(csv_path, xlCSVMSDOS)
        wb.Saved = 1

    def isXlsFilename(self, filename):
        return bool(re.search(r'(?i)\.xls$', filename))

    def batchConvertXlsToCsv(self):
        xls_names = tuple( filename for filename in next(os.walk(self.input_dir))[2] if self.isXlsFilename(filename) )

        self._excel = Dispatch('Excel.Application')
        try:
            for xls_name in xls_names:
                csv_path = os.path.join(self.output_dir, '%s.csv' %os.path.splitext(xls_name)[0])
                if not os.path.isfile(csv_path):
                    workbook = self._excel.Workbooks.Open(os.path.join(self.input_dir, xls_name))
                    try:
                        self.saveWorkbookAsCsv(workbook, csv_path)
                    finally:
                        workbook.Close()
        finally:
            if not len(self._excel.Workbooks):
                self._excel.Quit()

            self._excel = None

if __name__ == '__main__':
    self = CsvConverter(
        input_dir='C:\\data\\xls\\',
        output_dir='C:\\data\\csv\\'
    )

    self.batchConvertXlsToCsv()

上面的代码将使用一个包含.xls的input_dir并将其以.csv的形式输出到output_dir,这将assert中精确地包含1个非空工作表;如果您需要将多个工作表处理成多个csv,则需要编辑saveWorkbookAsCsv