教条

  • .xls只有65536行, .xlsx有1048576行(2**20), 数据太大乖乖换分析工具
  • openpyxl会先建立一张sheet
  • 不要试图去用xlrd读取字体颜色, 历史遗留问题太多
  • xlwt默认不会复写单元格

openpyxl

Documents: http://openpyxl.readthedocs.io/en/default/

xlwt

Documents: http://xlwt.readthedocs.io/en/latest/

xlrt

Documents: http://xlrd.readthedocs.io/en/latest/

Blog 整理

python中使用xlrd、xlwt操作excel表格详解

最近遇到一个情景，就是定期生成并发送服务器使用情况报表，按照不同维度统计，涉及python对excel的操作，上网搜罗了一番，大多大同小异，而且不太能满足需求，不过经过一番对源码的”研究”（用此一词让我觉得颇有成就感）之后，基本解决了日常所需。主要记录使用过程的常见问题及解决。

python操作excel主要用到xlrd和xlwt这两个库，即xlrd是读excel，xlwt是写excel的库。可从这里下载[https://pypi.python.org/pypi][1]。下面分别记录python读和写excel.

python读excel——xlrd

这个过程有几个比较麻烦的问题，比如读取日期、读合并单元格内容。下面先看看基本的操作：

首先读一个excel文件，有两个sheet，测试用第二个sheet，sheet2内容如下：

python 对 excel基本的操作如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
# -*- coding: utf-8 -*-
import xlrd
import xlwt
from datetime import date,datetime
 
def read_excel():
  # 打开文件
  workbook = xlrd.open_workbook(r'F:\demo.xlsx')
  # 获取所有sheet
  print workbook.sheet_names() # [u'sheet1', u'sheet2']
  sheet2_name = workbook.sheet_names()[1]
 
  # 根据sheet索引或者名称获取sheet内容
  sheet2 = workbook.sheet_by_index(1) # sheet索引从0开始
  sheet2 = workbook.sheet_by_name('sheet2')
 
  # sheet的名称，行数，列数
  print sheet2.name,sheet2.nrows,sheet2.ncols
 
  # 获取整行和整列的值（数组）
  rows = sheet2.row_values(3) # 获取第四行内容
  cols = sheet2.col_values(2) # 获取第三列内容
  print rows
  print cols
 
  # 获取单元格内容
  print sheet2.cell(1,0).value.encode('utf-8')
  print sheet2.cell_value(1,0).encode('utf-8')
  print sheet2.row(1)[0].value.encode('utf-8')
   
  # 获取单元格内容的数据类型
  print sheet2.cell(1,0).ctype
 
if __name__ == '__main__':
  read_excel()

运行结果如下：

那么问题来了，上面的运行结果中红框框中的字段明明是出生日期，可显示的确实浮点数。好的，来解决第一个问题：

1、python读取excel中单元格内容为日期的方式

python读取excel中单元格的内容返回的有5种类型，即上面例子中的ctype:

1
ctype : 0 empty,1 string, 2 number, 3 date, 4 boolean, 5 error

即date的ctype=3，这时需要使用xlrd的xldate_as_tuple来处理为date格式，先判断表格的ctype=3时xldate才能开始操作。现在命令行看下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
>>> sheet2.cell(2,2).ctype #1990/2/22
>>> sheet2.cell(2,1).ctype #24
>>> sheet2.cell(2,0).ctype #小胖
>>> sheet2.cell(2,4).ctype #空值（这里是合并单元格的原因）
>>> sheet2.cell(2,2).value #1990/2/22
33656.0
>>> xlrd.xldate_as_tuple(sheet2.cell_value(2,2),workbook.datemode)
(1992, 2, 22, 0, 0, 0)
>>> date_value = xlrd.xldate_as_tuple(sheet2.cell_value(2,2),workbook.datemode)
>>> date_value
(1992, 2, 22, 0, 0, 0)
>>> date(*date_value[:3])
datetime.date(1992, 2, 22)
>>> date(*date_value[:3]).strftime('%Y/%m/%d')
'1992/02/22'

即可以做下简单处理，判断ctype是否等于3，如果等于3，则用时间格式处理：

1
2
3
if (sheet.cell(row,col).ctype == 3):
  date_value = xlrd.xldate_as_tuple(sheet.cell_value(rows,3),book.datemode)
  date_tmp = date(*date_value[:3]).strftime('%Y/%m/%d')

那么问题又来了，上面 sheet2.cell(2,4).ctype 返回的值是0，说明这个单元格的值是空值，明明是合并的单元格内容”好朋友”，这个是我觉得这个包功能不完善的地方，如果是合并的单元格那么应该合并的单元格的内容一样，但是它只是合并的第一个单元格的有值，其它的为空。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
>>> sheet2.col_values(4)
[u'\u5173\u7cfb', u'\u597d\u670b\u53cb', '', u'\u540c\u5b66', '', '', u'\u4e00\u4e2a\u4eba', '']
>>> for i in range(sheet2.nrows):
  print sheet2.col_values(4)[i]
关系
好朋友

同学


一个人

>>> sheet2.row_values(7)
[u'\u65e0\u540d', 20.0, u'\u6682\u65e0', '', '']
>>> for i in range(sheet2.ncols):
  print sheet2.row_values(7)[i]
无名
20.0
暂无


>>>

2、读取合并单元格的内容

这个是真没技巧，只能获取合并单元格的第一个cell的行列索引，才能读到值，读错了就是空值。

即合并行单元格读取行的第一个索引，合并列单元格读取列的第一个索引，如上述，读取行合并单元格”好朋友”和读取列合并单元格”暂无”只能如下方式：

1
2
3
4
5
6
7
>>> print sheet2.col_values(4)[1]
好朋友
>>> print sheet2.row_values(7)[2]
暂无

>>> sheet2.merged_cells # 明明有合并的单元格，为何这里是空
 []

疑问又来了，合并单元格可能出现空值，但是表格本身的普通单元格也可能是空值，要怎么获取单元格所谓的”第一个行或列的索引”呢？

这就要先知道哪些是单元格是被合并的！

3、获取合并的单元格

读取文件的时候需要将formatting_info参数设置为True，默认是False，所以上面获取合并的单元格数组为空，

1
2
3
4
>>> workbook = xlrd.open_workbook(r'F:\demo.xlsx',formatting_info=True)
>>> sheet2 = workbook.sheet_by_name('sheet2')
>>> sheet2.merged_cells
[(7, 8, 2, 5), (1, 3, 4, 5), (3, 6, 4, 5)]

merged_cells返回的这四个参数的含义是：(row,row_range,col,col_range),其中[row,row_range)包括row,不包括row_range,col也是一样，即(1, 3, 4, 5)的含义是：第1到2行（不包括3）合并，(7, 8, 2, 5)的含义是：第2到4列合并。

利用这个，可以分别获取合并的三个单元格的内容：

1
2
3
4
5
6
>>> print sheet2.cell_value(1,4)  #(1, 3, 4, 5)
好朋友
>>> print sheet2.cell_value(3,4)  #(3, 6, 4, 5)
同学
>>> print sheet2.cell_value(7,2)  #(7, 8, 2, 5)
暂无

发现规律了没？是的，获取merge_cells返回的row和col低位的索引即可！ 于是可以这样一劳永逸：

1
2
3
4
5
6
7
8
9
10
11
12
13
>>> merge = []
>>> for (rlow,rhigh,clow,chigh) in sheet2.merged_cells:
  merge.append([rlow,clow])
   
>>> merge
[[7, 2], [1, 4], [3, 4]]
>>> for index in merge:
  print sheet2.cell_value(index[0],index[1])
   
暂无
好朋友
同学
>>>

python写excel——xlwt

写excel的难点可能不在构造一个workbook的本身，而是填充的数据，不过这不在范围内。在写excel的操作中也有棘手的问题，比如写入合并的单元格就是比较麻烦的，另外写入还有不同的样式。这些要看源码才能研究的透。

我”构思”了如下面的sheet1，即要用xlwt实现的东西：

基本上看起来还算复杂，而且看起来”很正规”，完全是个人杜撰。

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
'''
设置单元格样式
'''
 
def set_style(name,height,bold=False):
  style = xlwt.XFStyle() # 初始化样式
 
  font = xlwt.Font() # 为样式创建字体
  font.name = name # 'Times New Roman'
  font.bold = bold
  font.color_index = 4
  font.height = height
 
  # borders= xlwt.Borders()
  # borders.left= 6
  # borders.right= 6
  # borders.top= 6
  # borders.bottom= 6
 
  style.font = font
  # style.borders = borders
 
  return style
 
 
#写excel
def write_excel():
  f = xlwt.Workbook() #创建工作簿
 
  '''
  创建第一个sheet:
    sheet1
  '''
  sheet1 = f.add_sheet(u'sheet1',cell_overwrite_ok=True) #创建sheet
  row0 = [u'业务',u'状态',u'北京',u'上海',u'广州',u'深圳',u'状态小计',u'合计']
  column0 = [u'机票',u'船票',u'火车票',u'汽车票',u'其它']
  status = [u'预订',u'出票',u'退票',u'业务小计']
 
  #生成第一行
  for i in range(0,len(row0)):
    sheet1.write(0,i,row0[i],set_style('Times New Roman',220,True))
 
  #生成第一列和最后一列(合并4行)
  i, j = 1, 0
  while i < 4*len(column0) and j < len(column0):
    sheet1.write_merge(i,i+3,0,0,column0[j],set_style('Arial',220,True)) #第一列
    sheet1.write_merge(i,i+3,7,7) #最后一列"合计"
    i += 4
    j += 1
 
  sheet1.write_merge(21,21,0,1,u'合计',set_style('Times New Roman',220,True))
 
  #生成第二列
  i = 0
  while i < 4*len(column0):
    for j in range(0,len(status)):
      sheet1.write(j+i+1,1,status[j])
    i += 4
 
  f.save('demo1.xlsx') #保存文件
 
if __name__ == '__main__':
  #generate_workbook()
  #read_excel()
  write_excel()

需要稍作解释的就是write_merge方法：

write_merge(x, x + m, y, w + n, string, sytle)x表示行，y表示列，m表示跨行个数，n表示跨列个数，string表示要写入的单元格内容，style表示单元格样式。其中，x，y，w，h，都是以0开始计算的。

这个和xlrd中的读合并单元格的不太一样。

如上述：sheet1.write_merge(21,21,0,1,u’合计’,set_style(‘Times New Roman’,220,True))

即在22行合并第1,2列，合并后的单元格内容为”合计”，并设置了style。

如果需要创建多个sheet，则只要f.add_sheet即可。

如在上述write_excel函数里f.save(‘demo1.xlsx’) 这句之前再创建一个sheet2，效果如下：

代码也是真真的easy的了：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
'''
  创建第二个sheet:
    sheet2
  '''
  sheet2 = f.add_sheet(u'sheet2',cell_overwrite_ok=True) #创建sheet2
  row0 = [u'姓名',u'年龄',u'出生日期',u'爱好',u'关系']
  column0 = [u'小杰',u'小胖',u'小明',u'大神',u'大仙',u'小敏',u'无名']
 
  #生成第一行
  for i in range(0,len(row0)):
    sheet2.write(0,i,row0[i],set_style('Times New Roman',220,True))
 
  #生成第一列
  for i in range(0,len(column0)):
    sheet2.write(i+1,0,column0[i],set_style('Times New Roman',220))
 
  sheet2.write(1,2,'1991/11/11')
  sheet2.write_merge(7,7,2,4,u'暂无') #合并列单元格
  sheet2.write_merge(1,2,4,4,u'好朋友') #合并行单元格
   
  f.save('demo1.xlsx') #保存文件

日期写入

如何通过Python写入date数据了？

写入还是很简单的。

1
2
3
4
5
6
7
8
9
10
11
import xlwt3

import  datetime as dt

workbook = xlwt.Workbook()

worksheet = workbook.add_sheet('Sheet1')

worksheet.write(0, 0, dt.date.today())

workbook.save('test.xls')

查看一下，确实写入了，但变成了一个数字。怎么回事了，原来excel保存日期采用的是float类型保存。

查看worksheet.write:

Help on method write in module xlwt3.worksheet:

write(self, r, c, label=b’’, style=<xlwt3.style.XFStyle object>) method of xlwt3
.worksheet.Worksheet instance

太简单了，label是什么？

只能查看源码了： 

1
2
def write(self, r, c, label=b"", style=style.default_style):
        self.row(r).write(c, label, style)

继续挖掘：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
def write(self, col, label, style=style.default_style):
    self.__adjust_height(style)
    self.__adjust_bound_col_idx(col)
    style_index = self.__parent_wb.add_style(style)
    if isinstance(label, str):
        if len(label) > 0:
            self.insert_cell(col,
                StrCell(self.__idx, col, style_index, self.__parent_wb.add_str(label))
                )
        else:
            self.insert_cell(col, BlankCell(self.__idx, col, style_index))
    elif isinstance(label, bool): # bool is subclass of int; test bool first
        self.insert_cell(col, BooleanCell(self.__idx, col, style_index, label))
    elif isinstance(label, (float, int, Decimal)):
        self.insert_cell(col, NumberCell(self.__idx, col, style_index, label))
    elif isinstance(label, (dt.datetime, dt.date, dt.time)):
        date_number = self.__excel_date_dt(label)
        self.insert_cell(col, NumberCell(self.__idx, col, style_index, date_number))
    elif label is None:
        self.insert_cell(col, BlankCell(self.__idx, col, style_index))
    elif isinstance(label, formula.Formula):
        self.__parent_wb.add_sheet_reference(label)
        self.insert_cell(col, FormulaCell(self.__idx, col, style_index, label))
    else:
        raise Exception("Unexpected data type %r" % type(label))

原来：

1
2
3
elif isinstance(label, (dt.datetime, dt.date, dt.time)):
    date_number = self.__excel_date_dt(label)
    self.insert_cell(col, NumberCell(self.__idx, col, style_index, date_number))

label的数值，会先进行判断，然后进行处理。

这样，只需要设置一下style就可以了！

1
2
3
4
5
6
7
dateFormat = xlwt.XFStyle()

dateFormat.num_format_str = 'yyyy/mm/dd'

worksheet.write(0, 0, dt.date.today(),dateFormat)

workbook.save('test.xls')

搞定。

注意一下：

python的date 和excel的date是不一样的。

实验一下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
dt.date.today().toordinal()##2015/6/19
```python
735768

读取一下excel的数值了？
```python
import xlrd

worksheetRead = xlrd.open_workbook('test.xls')
sheetRead=Rd.sheet_by_index(0)

sheetRead.cell(0,0).value

42174

差别真不小!!

WHY?

原来：python是从公元1年1月1日开始的天数转换 的！

excel是从1899年12月 31号开始的。

做一个函数转换一下即可：

1
2
3
4
5
6
__s_date = dt.date (1899, 12, 31).toordinal() - 1
def getdate(date ):
    if isinstance(date , float ):
        date = int(date )
    d = dt.date .fromordinal(__s_date + date )
    return d

ok，over！！