没有熊猫的Python解码excel表答案

【问题标题】：Python decoding excel sheet without pandas没有熊猫的Python解码excel表
【发布时间】：2019-11-17 17:12:18
【问题描述】：

我正在尝试在不使用pandas 或xlrd 的情况下在python 中读取一个excel 文件，并且我一直在尝试将结果从bytes 转换为utf-8，但没有任何成功。

来自 xls 文件的数据

colA    colB    colC
spc     1D0     20190705
spd     1D0     20190705
spe     1D0     20190705
... (goes on for 500k lines)

代码

with open(file, 'rb') as f:
    data = f.readlines(1)  # Just to check the first line that is printed out
    print(data[0].decode('utf-8'))

我收到的错误是UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position 0: invalid continuation byte

如果我不解码就打印data，结果是：[b'\xd0\xcf\x11\xe0\xa1\xb1\x1a\xe1\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00>\x00\x03\x00\xfe\xff\t\x00\x06\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x9e\x00\x00\x00\x9dN\x00\x00\x00\x00\x00\x00\x00\x10\x00\x00\xfe\xff\xff\xff\x00\x00\x00\x00\xfeM\x00\x00\x01\x00\x00\x00\xffM\x00\x00\x00N\x00\x00\x01N\x00\x00\x02N\x00\x00\x03N\x00\x00\x04N\x00\x00\x05N\x00\x00\x06N\x00\x00\x07N\x00\x00\x08N\x00\x00\tN\x00\x00\n']

我没有任何理由不想使用pandas 或xlrd，我只是在需要时尝试仅使用标准库解析数据。

有什么想法吗？

【问题讨论】：

该错误表明 Excel 文件中有一个特定字符无法使用 'utf-8' 解码。尝试使用不同的编码器，但仍然不知道文档中可能潜伏着什么样的字符。也许，你应该试试 pandas：pd.read_excel(file) 看看你会得到什么。
Excel 是二进制格式，不是纯文本。如果您不想使用 xlrd 或 pd.read_excel，则必须重新实现这些库的功能。
即使你想解析比 .xls 容易得多的 .xlsx 文件，你仍然有很多工作要做。我猜你这样做是为了学习吗？如果是这样，那么我认为您应该查看this question 以了解在哪里可以阅读有关 .xlsx 规范的信息。如果您真的想了解 .xls 文件，我敦促您重新考虑。您还可以学习许多其他更有用、更不痛苦的东西。

标签： python excel utf-8

【解决方案1】：

试试这个

with open('D:\dew.csv','rt') as f:
#This will print every line one by one 
data = csv.reader(f)
for r in data:
    print(r) 
    f.close()

【讨论】：

根据 OP 给出的描述（尽管它们没有具体说明），这似乎没有回答提出的问题。您的解决方案是针对基于文本的文件，OP 似乎在处理（假定的） .xls 或 .xlsx 文件。

【解决方案2】：

您需要先解压缩 xlsx 文件，然后才能读取其内容（假设这是您使用的格式）。

【讨论】：

理想情况下，您应该展示一些代码如何执行此操作（例如，使用 std-lib zipfile 模块），然后在解压缩 xlsx 存档后如何继续（要处理哪个文件，如何访问单元格的数据等）
在进入这样的企业之前等待确认 xlsx 确实是 OP 正在尝试读取的格式可能是明智的......
另见this comment in another thread，提供了一种仅使用标准库功能读取 `*.xlsx* Excel 文件的解决方案。