我有一个 Excel 电子表格，我正在将其读入 Pandas DataFrame：
df = pd.read_excel("file.xls")
但是，电子表格的其中一列包含具有与其关联的超链接的文本。如何访问 Pandas 中的底层超链接？
【问题讨论】：
pd.read_excel 只抓取字母“A”而不是底层超链接。
你不能在 pandas 中做到这一点。你可以试试other libraries designed to deal with excel files。
【讨论】：
正如 slaw 所说，它不抓取超链接，而只抓取文本
这里的 text.xlsx 包含第 9 列中的链接
from openpyxl import load_workbook
workbook = load_workbook('test.xlsx')
worksheet = workbook.active
column_indices = [9]
for row in range(2, worksheet.max_row + 1):
for col in column_indices:
filelocation = worksheet.cell(column=col, row=row) # this is hyperlink
text = worksheet.cell(column=col + 1, row=row) # thi is your text
worksheet.cell(column=col + 1, row=row).value = '=HYPERLINK("' + filelocation.value + '","' + text.value + '")'
workbook.save('test.xlsx')
【讨论】：
这可以用 openpyxl 完成，我不确定它是否可以用 Pandas 完成。以下是我的做法：
import openpyxl
wb = openpyxl.load_workbook('yourfile.xlsm')
ws = wb.get_sheet_by_name('Sheet1')
print(ws.cell(row=2, column=1).hyperlink.target)
您也可以使用 iPython，并设置一个等于超链接对象的变量：
t = ws.cell(row=2, column=1).hyperlink
然后执行t. 并按 Tab 键查看您可以使用该对象执行的操作或访问的所有选项。
【讨论】：
快速猴子补丁，没有转换器或类似的东西，如果你想将所有带有超链接的单元格视为超链接，我想更复杂的方式，至少能够选择，哪些列被视为超链接或收集数据，或以某种方式将数据和超链接保存在数据框的同一单元格中。并使用转换器，不知道。 （顺便说一句，我也玩过data_only，keep_links，没有帮助，只更改了read_only 结果没问题，我想它会减慢你的代码速度）。
P.S.：仅适用于 xlsx，即引擎是 openpyxl
P.P.S.：如果您以后阅读此评论并发出 https://github.com/pandas-dev/pandas/issues/13439 仍然打开，请不要忘记在 pandas.io.excel._openpyxl 上查看 _convert_cell 和 load_workbook 的更改并相应地更新它们。
import pandas
from pandas.io.excel._openpyxl import OpenpyxlReader
import numpy as np
from pandas._typing import FilePathOrBuffer, Scalar
def _convert_cell(self, cell, convert_float: bool) -> Scalar:
from openpyxl.cell.cell import TYPE_BOOL, TYPE_ERROR, TYPE_NUMERIC
# here we adding this hyperlink support:
if cell.hyperlink and cell.hyperlink.target:
return cell.hyperlink.target
# just for example, you able to return both value and hyperlink,
# comment return above and uncomment return below
# btw this may hurt you on parsing values, if symbols "|||" in value or hyperlink.
# return f'{cell.value}|||{cell.hyperlink.target}'
# here starts original code, except for "if" became "elif"
elif cell.is_date:
return cell.value
elif cell.data_type == TYPE_ERROR:
return np.nan
elif cell.data_type == TYPE_BOOL:
return bool(cell.value)
elif cell.value is None:
return "" # compat with xlrd
elif cell.data_type == TYPE_NUMERIC:
# GH5394
if convert_float:
val = int(cell.value)
if val == cell.value:
return val
else:
return float(cell.value)
return cell.value
def load_workbook(self, filepath_or_buffer: FilePathOrBuffer):
from openpyxl import load_workbook
# had to change read_only to False:
return load_workbook(
filepath_or_buffer, read_only=False, data_only=True, keep_links=False
)
OpenpyxlReader._convert_cell = _convert_cell
OpenpyxlReader.load_workbook = load_workbook
在您的 python 文件中添加上述内容后，您将能够调用df = pandas.read_excel(input_file)
写完所有这些东西后，我想到了，也许只使用openpyxl会更容易和更清洁^_^
【讨论】：