在PHP中读取没有签名的Excel文件

Question

问题：如何读取或修改没有签名的 Excel 文件以让 PHP 正确解析？

对于我的项目，我想使用 PHP 从国家排球协会 (Nevobo) 自动下载并读取 Excel file。下载顺利。读书没有。这个问题似乎与前 8 个字节中没有签名告诉 PHPExcel 它是一个 OLE 文件这一事实有关，因为这样 PHPExcel 将其识别为 CSV 文件，它绝对不是。 Excel 本身可以打开文件，但会强制我将其保存在 different format 中。

我之前从同一来源下载了文件（虽然内容不同），但也没有签名。但是，在这些文件中，我设法过滤了 PHP 中的所有控制字符（\x00 到 \xFF），并在看到日期时自动创建一个新行（因为这些都在 A 列中），不幸的是，没有使用此文件。

function cleanPart ( $part )
{
    $part = trim(preg_replace('/[\x00\x01\x03-\x0A\x0D-\x1F\x80-\xFF]/', '', trim($part, ' ')), ' ');
    $part = preg_replace('/\x0B/', "\x0C", $part);
    $part = preg_replace('/\"/', "\x0C", $part);
    $part = preg_replace('/\x0C+/', "\x0C", $part);
    $part = preg_replace('/\x0C\x02/', "\x0C", $part);
    if ( $part == "\x02\x0C" || $part == "\x02\x0B" ) return false;
    $part = trim(preg_replace('/[\x00-\x1F\x80-\xFF]/', "\x02", $part), ' ');
    $part = trim(preg_replace('/\x02+/', "\x02", $part), ' ');
    $part = trim(preg_replace('/[\x00\x01\x03-\x1F\x80-\xFF]/', '', $part), ' ');
    if ( strlen($part) == 0 ) return false;
    $part = trim(preg_replace('/\x02/', "", $part), ' ');

    return $part;
}

foreach ( explode("\x04", preg_replace('!\x04+!', "\x04", $data)) as $part )
{
    if ( ! ( $part = cleanPart($part) ) )
    {
        continue;
    }

    // create array
}

Answer 1

LibreOffice 确实将该文件作为 Excel 文件读取，因此此必须是 LibreOffice 已知的格式，即使 file magic 将其标识为 Apple BASIC (!) 并将其他实用程序标识为 TARGA（其中仅表示“长度为三的倍数的二进制数据”）。

但是，这是一种分隔文本格式。可能是文字处理器格式，奇怪的字符是制表和排版的控制字符？

要在 CSV 类型中更可靠地进行转换，您可以用表格替换所有控制序列，跳过前 12 个字符。所有控制序列似乎也是 12 字节长，前缀为 \x04 \x02，所以：

$clean = preg_replace('#\\x04\\x02..........#ms', "\t", substr($dirty, 24));

（我也跳过了第一个控制序列，给出了 12+12 = 24 字节跳过）。

然后您可以拆分为字段块，然后 PHP CSV 解析函数应该能够工作，每行 20 个字段。

我不能使用序列作为分隔符来使用 CSV 解析，因为整个文件中的序列是不同的。它们还经常包含回车，这会强制在正则表达式中使用空格/行修饰符。

这个解析器似乎可以工作：

<?php
$clean = preg_split(
    '#\\x04\\x02..........#ms',
    substr(file_get_contents('excelgen.xls'), 24)
);
$rows  = array();
while (!empty($clean)) {
    $rows[]   = array_splice($clean, 0, 20);
}
// $header = array_shift($rows);
print_r($rows);

产量：

Array
(
[0] => Array
    (
        [0] => Datum
        [1] => Tijd
        [2] => Team thuis
        [3] => Team uit
        [4] => Locatie
        [5] => Veld
        [6] => Regio
        [7] => Poule
        [8] => Code
        [9] => Zaal code
        [10] => Zaal
        [11] => Plaats
        [12] => Eerste scheidsrechter
        [13] => Tweede scheidsrechter
        [14] => Rapporteur / begeleider / Jurylid
        [15] => Lijnrechter 1
        [16] => Lijnrechter 2
        [17] => Lijnrechter 3
        [18] => Lijnrechter 4
        [19] => Reserve
...
...
[54] => Array
    (
        [0] => 2016-04-23
        [1] => 19:30
        [2] => Ecare Apollo 8 HS 1
        [3] => Lycurgus HS 2
        [4] => de Veste, Borne
        [5] => 1
        [6] => Nationaal
        [7] => 1AH
        [8] => AL
        [9] => BNEVE
        [10] => de Veste
        [11] => Borne
        ...
    )