读取/解析 XLSX 文件，保留字体

Question

是否有一个 Perl 模块/程序/方法可以在 Linux 中读取具有字体格式的 XLSX 文件中的文本？

不一定非要 Perl，但 Perl 是我最熟悉的，所以 Perl 最好。

例如，一个单元格可能会说：

金刚是我最喜欢的书。我比1984更喜欢它。

我阅读了一堆帖子并下载了一堆 perl 模块和示例，但它们都只是简单地提取文本。我真的很想保留格式。

Answer 1

为了阅读 XLSX 文件，您需要掌握 Win32::OLE - 这是一个痛苦的过程，但并非不可能。

微软提供了一些示例代码：http://support.microsoft.com/kb/214797

但在从电子表格读取的基本级别上，您需要以下内容：

use strict;
use warnings;
use Data::Dumper;

use Win32::OLE;
use Win32::OLE::Const 'Microsoft Excel';

my $excelfile = 'Book1.xlsx';

my $Excel = Win32::OLE->new('Excel.Application');
my $Book  = $Excel->Workbooks->Open($excelfile);
my $Sheet = $Book->Worksheets("Sheet1");

print $Sheet->Range("a2")->{Value}, "\n";

my $cell = $Sheet->Range("a2");

foreach my $key ( keys %$cell ) {
    print "$key, ", $cell->{$key} ? $cell->{$key} : 0, "\n";
}

我想你会需要：

Font, Win32::OLE=HASH(0x1b2720c)

例如：

foreach my $key ( keys %{$cell->{Font}} ) {
    print "$key, ", $cell->{Font}->{$key} ? $cell->{Font}->{$key} : 0, "\n";
}

这将告诉您整个单元格是否为斜体。 （或粗体，或其他）。我还没有挖出可以告诉您子字符串是否已格式化的元素。

编辑：不，我看不到任何“子单元格”格式，但显然它可以完成。

还有更多细节 - 它是 Linux：

Win32::OLE 不是一个选项 - 这是简单的方法，因为它“自动化”Excel（与 VB 使用的机制相同）。

但是，XLSX 的优点之一是它实际上是一种基于 XML 的存档格式。

所以这样的事情可能会起作用：

#!/usr/bin/perl

use strict;
use warnings;
use Archive::Zip;
use XML::Twig;

my $archive = Archive::Zip -> new ();

$archive -> read ( 'Book1.xlsx' );

my $thing = $archive -> memberNamed('xl/sharedStrings.xml');
print $thing -> contents();

my $parser = XML::Twig -> new( pretty_print => 'indented' ) -> parse ( $thing -> contents() );

$parser -> print;

现在，这有点粗糙，因为它只会转储 XML。我认为格式将每个“单元格”作为<si> 元素。

所以你可以这样做：

foreach my $element ( $parser -> root -> children('si') ) {
    print $element -> text,"\n";
}