Python办公自动化：用xlrd轻松读取Excel文件

xlrd

概述

xlrd是一个用于读取Excel文件的Python库，它可以帮助用户快速提取数据并进行分析。它适合用于读取旧版Excel 文件（.xls 格式）中的数据，对于新格式的Excel文件，推荐使用其他库如openpyxl或pandas。

文档：https://xlrd.readthedocs.io/en/latest/

安装

首先，需要确保已安装xlrd

pip install xlrd==1.2.0

注意：xlrd新版本只支持xls格式，因此这里指定安装1.2.0版本，可以支持xlsx格式。

读取Excel文件

使用 xlrd 打开一个 Excel 文件

import xlrd

# 打开 Excel 文件
workbook = xlrd.open_workbook('Test.xlsx')

sheet操作

获取sheet工作表

可以通过索引或名称获取工作表

# 1.通过索引查找
sheet = workbook.sheet_by_index(0)

# 2.通过sheet名查找：
sheet = workbook.sheet_by_name('Sheet1')

获取sheet的行、列数

获取工作表的行数、列数

# 获取行数和列数
num_rows = sheet.nrows
num_cols = sheet.ncols
print(f"行数: {num_rows}, 列数: {num_cols}")

遍历操作sheet

# 获取sheet数量
print(workbook.nsheets)
# 遍历Excel工作簿中的所有工作表
for i in range(0, workbook.nsheets):
    # 根据索引获取当前工作表
    sheet = workbook.sheet_by_index(i)
    # 打印当前工作表左上角单元格的值 1行1列的值
    print(sheet.cell_value(0, 0))

# 获取所有sheet名字
print(workbook.sheet_names())
# 遍历工作簿中的所有工作表
for i in workbook.sheet_names():
    # 根据工作表名称获取工作表对象
    sheet = workbook.sheet_by_name(i)
    # 打印该工作表第一行第一列的单元格值
    print(sheet.cell_value(0, 0))

单元格操作

读取单元格内容

可以通过指定行和列的索引来读取单元格的值

# 读取特定单元格（例如：第一行第一列）
print(sheet.cell_value(0, 0))
# 获取第二行第三列的值
print(sheet.cell_value(1, 2))

# 获取第二行第三列的单元格对象
print(sheet.cell(1, 2).value)
print(sheet.row(1)[2].value)

读取单元格类型

可以获取单元格的类型

# 获取第一行第一列单元格的类型
cell_type = sheet.cell_type(0, 0)
# 0: NUMERIC, 1: STRING, 2: BLANK, 3: BOOLEAN, 4: ERROR
print(f"单元格类型: {cell_type}")

遍历所有单元格

遍历整个工作表的所有单元格并打印内容

# 遍历Excel表格的每一行和每一列，以获取每个单元格的值
for row in range(sheet.nrows):  # sheet.nrows返回表格的总行数
    for col in range(sheet.ncols):  # sheet.ncols返回表格的总列数
        # 获取当前位置（row, col）的单元格值
        cell_value = sheet.cell_value(row, col) 
        # 打印单元格的位置和值
        print(f"({row}, {col}) 的值: {cell_value}")

读取特定范围的单元格

如果只想读取特定范围的单元格，可以使用以下方法

# 读取第1行到第3行，第1列到第2列的单元格
for row in range(1, 4):
    for col in range(1, 3):
        cell_value = sheet.cell_value(row, col)
        print(f"({row}, {col}) 的值: {cell_value}")

读取不同数据类型的单元格

xlrd 支持多种数据类型，包括数字、字符串、布尔值和错误。以下是如何读取不同类型单元格的示例：

# 读取特定单元格并判断类型
cell_value = sheet.cell_value(1, 1)  # 读取第二行第二列
cell_type = sheet.cell_type(1, 1)

if cell_type == 0:  # NUMERIC
    print(f"数字: {cell_value}")
elif cell_type == 1:  # STRING
    print(f"字符串: {cell_value}")
elif cell_type == 2:  # BLANK
    print("空单元格")
elif cell_type == 3:  # BOOLEAN
    print(f"布尔值: {cell_value}")
elif cell_type == 4:  # ERROR
    print("错误单元格")

行、列操作

获取整行或整列数据

可以获取整行或整列的数据

# 获取整行
row_values = sheet.row_values(0)  # 第一行
print(f"第一行的值: {row_values}")

# 获取整列
col_values = sheet.col_values(0)  # 第一列
print(f"第一列的值: {col_values}")

读取所有行的字典格式

使用以下方法以字典的形式读取每一行

# 假设第一行为表头
header = sheet.row_values(0)

# 初始化一个列表来存储所有行的数据
data = []

# 使用循环遍历除表头外的所有行
for row in range(1, sheet.nrows):
    # 初始化一个字典来存储当前行的数据
    row_data = {}
    # 使用循环遍历所有列
    for col in range(sheet.ncols):
        # 将单元格的值添加到当前行的字典中，使用表头作为键
        row_data[header[col]] = sheet.cell_value(row, col)
    # 将当前行的字典添加到数据列表中
    data.append(row_data)

# 打印最终的数据列表
print(data)

读取特定列的非空值

# 初始化列索引值为0，表示第一列
col_index = 0
# 创建一个空列表，用于存储第一列中的非空值
non_empty_values = []

# 遍历Excel表格的每一行，以获取第一列的值
for row in range(sheet.nrows):
    # 获取指定行列的单元格值
    value = sheet.cell_value(row, col_index)
    # 如果值不为空字符串，则将其添加到列表中
    if value != '':
        non_empty_values.append(value)
# 打印第一列中的非空值
print(f"第一列的非空值: {non_empty_values}")

其他操作

处理日期类型

如果单元格包含日期，xlrd会将其存储为浮点数。可以使用xlrd.xldate.xldate_as_tuple() 方法将其转换为日期元组：

import xlrd.xldate

# 假设第三行第一列是日期
date_value = sheet.cell_value(2, 0)
date_tuple = xlrd.xldate.xldate_as_tuple(date_value, workbook.datemode)
print(f"日期: {date_tuple}")  # 输出格式为 (年, 月, 日, 时, 分, 秒)

处理多种日期格式

有时Excel 中的日期格式可能会不同。可以创建一个函数来处理多种日期格式

def parse_date(value):
    """
    解析日期值。

    根据值的类型将表示日期的浮点数转换为可读的日期元组。

    参数:
        value (float): 一个表示日期的浮点数，通常从电子表格软件中读取。

    返回:
        tuple 或 None: 如果输入值是浮点数，则返回一个包含年、月、日、时、分、秒的元组；
                       否则返回 None。
    """
    if isinstance(value, float):  # 日期通常是浮点数
        return xlrd.xldate.xldate_as_tuple(value, workbook.datemode)
    return None

# 遍历表格的每一行
for row in range(sheet.nrows):
    # 假设第一列是日期，获取该行的日期值
    date_value = sheet.cell_value(row, 0)
    # 尝试解析日期值
    parsed_date = parse_date(date_value)
    # 如果解析成功，则打印该行的日期信息
    if parsed_date:
        print(f"行 {row} 的日期: {parsed_date}")

处理空单元格

可以检查单元格是否为空并进行相应处理

for row in range(sheet.nrows):
    for col in range(sheet.ncols):
        cell_value = sheet.cell_value(row, col)
        if cell_value == '':
            print(f"({row}, {col}) 是空单元格")
        else:
            print(f"({row}, {col}) 的值: {cell_value}")

处理错误单元格

可以检查单元格是否是错误类型

# 遍历Excel表格的每个单元格，查找错误类型的单元格
for row in range(sheet.nrows):
    for col in range(sheet.ncols):
        # 判断当前单元格的类型是否为错误类型
        if sheet.cell_type(row, col) == 4:  # 错误类型
            print(f"({row}, {col}) 是错误单元格")

读取大文件时的性能优化

当处理非常大的 Excel 文件时，可以考虑只读取必要的工作表或行，以减少内存使用。可以使用 xlrd 的 open_workbook 方法中的 on_demand 参数：

# 只在需要时加载工作表
workbook = xlrd.open_workbook('Test.xlsx', on_demand=True)

# 访问工作表时才加载
sheet = workbook.sheet_by_index(0)

使用xlrd和pandas结合

如果需要更强大的数据处理能力，可以将xlrd与pandas结合使用。首先用xlrd读取数据，然后转换为DataFrame

import pandas as pd
import xlrd

# 打开文件
workbook = xlrd.open_workbook('Test.xlsx')

# 通过索引获取第一个工作表
sheet = workbook.sheet_by_index(0)

# 将数据转换为 DataFrame
# 遍历工作表中的每一行，将数据转换为列表
data = []
for row in range(sheet.nrows):
    data.append(sheet.row_values(row))

# 创建 DataFrame，将第一行作为列名，其余行作为数据
# data[1:]作为数据，data[0]作为列名：第一行为表头
df = pd.DataFrame(data[1:], columns=data[0])
# 打印 DataFrame
print(df)

自定义数据处理

可以在读取单元格时自定义处理逻辑，例如将数字格式化为货币

def format_currency(value):
    """
    将给定的数值格式化为货币格式。

    参数:
    value (int, float): 需要格式化的数值。

    返回:
    str: 格式化后的字符串，如果输入不是整数或浮点数，则返回原值。
    """
    # 格式化为货币形式，前面加上美元符号，并且保留两位小数
    return f"${value:,.2f}" if isinstance(value, (int, float)) else value

# 遍历表格的每一行和每一列
for row in range(sheet.nrows):
    for col in range(sheet.ncols):
        # 获取当前单元格的值
        cell_value = sheet.cell_value(row, col)
        # 将单元格的值格式化为货币形式
        formatted_value = format_currency(cell_value)
        # 打印格式化后的值
        print(f"({row}, {col}) 的格式化值: {formatted_value}")

使用正则表达式提取特定数据

如果需要从单元格中提取特定格式的数据，可以使用正则表达式

import re

# 定义一个正则表达式模式，用于匹配包含关键词"Java"的字符串
pattern = r'Java'

# 假设在一个Excel工作表(sheet)中，遍历所有行来查找符合特定模式的字符串
for row in range(sheet.nrows):
    # 获取当前行第二列的单元格值
    cell_value = sheet.cell_value(row, 1)
    # 在单元格值中搜索符合预定义模式的字符串
    matches = re.findall(pattern, cell_value)
    # 如果找到匹配项，则输出行号和匹配项
    if matches:
        print(f"行 {row} 中找到的匹配项: {matches}")

处理条件格式

虽然xlrd不支持读取条件格式，但可以根据业务规则手动处理

# 遍历Excel工作表(sheet)的所有行，检查第四列的值是否超过2800
for row in range(sheet.nrows):
    # 获取当前行第四列的单元格值
    cell_value = sheet.cell_value(row, 3)

    # 检查单元格值是否为数字
    if isinstance(cell_value, (int, float)):
        # 根据条件进行处理
        if cell_value > 2800:
            print(f"行 {row} 的值超出限制: {cell_value}")

自定义类封装读取逻辑

可以将读取逻辑封装在一个类中，以便于重用和扩展

import xlrd

class ExcelReader:
    """
    用于读取Excel文件的类。

    Attributes:
        workbook : xlrd.Book
            打开的Excel工作簿。
    """
    def __init__(self, file_path):
        """
        初始化ExcelReader实例。

        参数: file_path : str  Excel文件的路径。
        """
        self.workbook = xlrd.open_workbook(file_path)

    def get_sheet(self, index):
        """
        根据索引获取工作表。

        参数: index : int  工作表的索引。

        返回: sheet : xlrd.Sheet 指定索引的工作表。
        """
        return self.workbook.sheet_by_index(index)

    def get_row_values(self, sheet, row_index):
        """
        获取一行的所有值。

        参数:
            sheet : xlrd.Sheet 工作表。
            row_index : int 行索引。

        返回:
            row_values : list  指定行的所有值。
        """
        return sheet.row_values(row_index)

# 使用自定义类读取Excel文件
reader = ExcelReader('Test.xlsx')

# 获取第一个工作表
sheet = reader.get_sheet(0)
# 获取第一行的所有值
row_values = reader.get_row_values(sheet, 1)
print(row_values)