使用 xlrd 读取 excel 文件答案

【问题标题】：Reading excel files with xlrd使用 xlrd 读取 excel 文件
【发布时间】：2012-09-24 04:56:36
【问题描述】：

我在读取由我无法控制的 Perl 脚本编写的 .xls 文件时遇到问题。这些文件在单元格中包含一些格式和换行符。

filename = '/home/shared/testfile.xls'
book = xlrd.open_workbook(filename)
sheet = book.sheet_by_index(0)
for rowIndex in xrange(1, sheet.nrows):
    row = sheet.row(rowIndex)

这会引发以下错误：

_locate_stream(Workbook): seen
    0  5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
   20  4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
172480= 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
172500  4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 2
172520  2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
173840= 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
173860  2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1
173880  1 1 1 1 1 1 1 1
Traceback (most recent call last):
  File "/home/shared/xlrdtest.py", line 5, in <module>
    book = xlrd.open_workbook(filename)
  File "/usr/local/lib/python2.7/site-packages/xlrd/__init__.py", line 443, in open_workbook
    ragged_rows=ragged_rows,
  File "/usr/local/lib/python2.7/site-packages/xlrd/book.py", line 84, in open_workbook_xls
    ragged_rows=ragged_rows,
  File "/usr/local/lib/python2.7/site-packages/xlrd/book.py", line 616, in biff2_8_load
    self.mem, self.base, self.stream_len = cd.locate_named_stream(qname)
  File "/usr/local/lib/python2.7/site-packages/xlrd/compdoc.py", line 393, in locate_named_stream
    d.tot_size, qname, d.DID+6)
  File "/usr/local/lib/python2.7/site-packages/xlrd/compdoc.py", line 421, in _locate_stream
    raise CompDocError("%s corruption: seen[%d] == %d" % (qname, s, self.seen[s]))
xlrd.compdoc.CompDocError: Workbook corruption: seen[2] == 4

我找不到任何有关 CompDocError 或 Workbook 损坏的信息，更不用说 see[2] == 4 部分。

【问题讨论】：

“文件名”包含什么？
它只是一个文件路径，例如 'D:\\testfile.xls' 或 '/home/shared/testfile.xls' （更新问题）
@snurre，尝试将有问题的 xls 文件“附加”到这篇文章，这样错误就可以重现
恐怕我做不到，因为它们包含机密信息。还应该注意的是，如果 xlrd 文件已经用 Excel 打开并保存，我可以加载它们，所以我怀疑这都与 Perl 脚本如何写入和保存文件有关。跨度>
我是 xlrd 的作者。你运行的是什么版本的 xlrd？如果您不能根据保密协议向我发送您的 perl 编写文件的副本，那么最好的办法是告诉我您的电子邮件地址，以便我可以向您发送一个显示结构的调查脚本（不是文件的内容）。

标签： python excel xlrd

【解决方案1】：

[对于在读取 XLS 文件时遇到Workbook corruption: seen[2] == 4 问题的 pandas 用户]

注意： xlrd 不再支持 xls 文件以外的任何内容，请参阅 this answer 了解详细信息和替代方案。

使用xlrd 2.0.0 或更高版本：https://pypi.org/project/xlrd/。
在自动加载的__init__.py 文件之一中添加您自己的熊猫XLS 引擎

from pandas.io.excel._xlrd import XlrdReader

class CustomXlrdReader(XlrdReader):

    def load_workbook(self, filepath_or_buffer):
        """Same as original, just uses ignore_workbook_corruption=True)"""
        from xlrd import open_workbook

        if hasattr(filepath_or_buffer, "read"):
            data = filepath_or_buffer.read()
            return open_workbook(file_contents=data, ignore_workbook_corruption=True)
        else:
            return open_workbook(filepath_or_buffer)


ExcelFile._engines['custom_xlrd'] = CustomXlrdReader
print('Monkey patching pandas XLS engines. See CustomXlrdReader')

要使用它，请在读取 XLS 文件时指定 engine='custom_xlrd'

df = pd.read_excel(filepath, engine='custom_xlrd')

这是测试xlrd 的损坏文件：

https://github.com/python-excel/xlrd/blob/master/tests/samples/corrupted_error.xls

【讨论】：

错误：ignore_workbook_corruption=True 应该在两个分支中

【解决方案2】：

灵感来自this answer，但更直接一点：

pd.read_excel 接受 xlrd.Book 对象，因此您可以这样做：

workbook = xlrd.open_workbook('file_name.xls', ignore_workbook_corruption=True)
excel = pd.read_excel(workbook)

【讨论】：

【解决方案3】：

testfile.xls -----> 另存为 ---> 格式 97-2003 --->testfile2.xlc

文件名 = '/home/shared/testfile2.xls'

好的

【讨论】：

请详细说明您的答案。解释这是做什么的。

【解决方案4】：

来自 pkm 评论 (link) 的问题在于复合文件二进制文件

#pip install OleFileIO-PL
import OleFileIO_PL
import pandas as pd

path = 'file.xls'
with open(path,'rb') as file:
    ole = OleFileIO_PL.OleFileIO(file)
    if ole.exists('Workbook'):
        d = ole.openstream('Workbook')
        x=pd.read_excel(d,engine='xlrd')
        print(x.head())

【讨论】：

OleFileIO_PL 现在称为olefile

【解决方案5】：

+1 给拉米尔。只需在compdoc.py 中注释掉这些行（xlrd 1.2.0 中的行425-27）：

if self.seen[s]:
    print("_locate_stream(%s): seen" % qname, file=self.logfile);dump_list(self.seen, 20, self.logfile)
    raise CompDocError("%s corruption: seen[%d] == %d" % (qname, s, self.seen[s]))

【讨论】：

我知道这是一个老问题，但是我遇到了同样的错误并注释掉那些行和那些提到here 但没有用的行。有人找到解决方案了吗？
@GustavoRottgering：见@holymoly345's answer。

【解决方案6】：

我的一个 .xls 文件出现了同样的错误（excel 可以很好地打开它们）。问题位于 xlrd compdoc.py。我猜Compdoc.seen 数组会跟踪已读取的“FAT”扇区。在我的情况下，根条目读取块 (SSCS) 将所有扇区标记为已看到，从而导致将来引发异常。您可以尝试在读取逻辑的扇区中找到错误并为 xlrd 做出贡献 :) 或仅使用异常 raise 评论此行，这可能会解决您的问题（就像我的一样）并等待 xlrd 更新。

【讨论】：

【解决方案7】：

也许作为最后的手段，您可以尝试将 .xls 文件保存为 .csv 文件，然后尝试读取它。

显然你说你可以在从 Excel 中打开和关闭后打开它，所以这是同样的努力。

如果您真的希望您的脚本打开它们，那么如果您在 Windows 平台上，请使用pywin32 从您的脚本中打开和关闭 Excel，然后同时打开和关闭文件。也许这可以工作。（愚蠢但可以解决）

示例 (stolen from here)

from win32com.client import Dispatch
xl = Dispatch('Excel.Application')
wb = xl.Workbooks.Open('C:\\Documents and Settings\\GradeBook.xls')

【讨论】：