python解析excel文件（由标签文件转换成的.xls文件）

开头先对老板致以崇高的问候，问候他的十八辈。。。各种恩情难以言表，只能默默记在心里

开始老板没有给excel文件，自己试手用的是.xlsx文件，用的包是openpyxl包，读取毫无问题，

贴代码：

import os
import xlrd
from openpyxl import load_workbook



def xlsx_open():
    base_dir = os.path.dirname(os.path.abspath(__file__))
    file_path_sx = os.path.join(base_dir, "files", "新建XLSX工作表.xlsx")
    wb = load_workbook(file_path_sx)
    sheet = wb.worksheets[0]

    # for row in sheet.iter_rows(min_row=3, max_row=12):
    #     name = row[2].value
    #     data = row[3].value
    #     print(name, data)

    # 遍历获取行列数
    for row in sheet.iter_rows(min_row=2, max_row=2):
        for low in row[0:]:
            print(low.value)


if __name__ == "__main__":
    # openpyxl只能读取xlsx文件格式的excel文件
    xlsx_open()

事后，老板发了个.xls文件(甜蜜的)，换成了xlrd包，贴代码：

import os
import sys
import xml.etree.ElementTree as ET
import xlrd

def xls_type(filename):
    base_dir = os.path.dirname(os.path.abspath(__file__))
    file_path_s = os.path.join(base_dir, "files", filename)
    file_path_s = file_path_s.encode(sys.getfilesystemencoding())  # 将文件夹名称转换为 Unicode 编码格式
    print(file_path_s)
    kb = xlrd.open_workbook(file_path_s)
    sheet_s = kb.sheet_by_index(0)
    # 读取数据
    for row in range(sheet_s.nrows):
        for col in range(sheet_s.ncols):
            cell_value = sheet_s.cell_value(row, col)
            print(cell_value)


if __name__ == "__main__":
    # 文件不是正式的xls文件报(xlrd.biffh.XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'<meta ht')错
    # filename = "有问题的excel文件.xls"

    # 将数据手动粘贴到新建的xls文件中解决
    filename = "空气.xls"
    xls_type(filename)

结果报错：xlrd.biffh.XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'<meta ht'，百度了一下，告诉我要不就是excel文件没有，要么就是excel文件损坏。检查了一下路径，发现确实能找到这个文件，所以排除没有excel文件，那就只剩下excel文件有问题了，果不其然，用电脑自带的excel软件打开显示文件后缀扩展名不对，右键文件用记事本打开发现是个标签文件（以为是xml文件，还有专门用了解析xml的，结果不是，后来仔细对照了一下表头标签发现和html文件的表头有点像）。

然后又去找了关于解析xml文件的代码，下载了pandas包，话不多说贴代码。

import os
import pandas as pd

base_dir = os.path.dirname(os.path.abspath(__file__))
# xml_name = "有问题的excel文件.xls"
xml_name = "有问题的excel文件转换过来的xml文件.xml"
file_path_x = os.path.join(base_dir, "files", xml_name)

# 获取表内所有数据
df = pd.read_xml(file_path_x, xpath='//td')

# 遍历是td标签的所有数据
td = df.td
for i in td:

# 遍历td标签里的值，不包含坐标
values = td.values
for i in values:

结果刚上来就报错了lxml.etree.XMLSyntaxError: Extra content at the end of the document, line 2, column 1，很明显的解析不了，文件的格式不对，那怎么办呢，甜蜜的，删了，直接改格式，不就是后期写个脚本改格式嘛，结果没想到文件里居然还有空格，直接一个&nbsp;给我卡那了，意识到不对了，又重新看文件，发现还想html文件

然后就改成了html文件，下载beautifulsoup4包，贴代码：

import os
from bs4 import BeautifulSoup

xml_name = "有问题的转换成的html文件.html"
base_dir = os.path.dirname(os.path.abspath(__file__))
file_path_x = os.path.join(base_dir, "files", xml_name)
with open(file_path_x, encoding='utf-8') as f:
    soup = BeautifulSoup(f.read(), 'html.parser')

    # # 获取html页面的顶级标签
    # for child in soup.children:
    #     print(child)

    # 再遍历获取tr标签内的所有数据
    for row in soup.find_all('tr'):
        print(row)

文本转换（将xls文件转换成html文件）

import os

base_dir = os.path.dirname(os.path.abspath(__file__))
file_path_sx = os.path.join(base_dir, "files")
# file_path_sx = os.path.join(file_path_sx, "新建XLS文件.xls")

for filename in os.listdir(file_path_sx):
    if filename.endswith(".xls"):
        new_filename = os.path.splitext(filename)[0] + ".xml"  # 生成新的文件名
        old_file_path = os.path.join(file_path_sx, filename)  # 原文件路径
        new_file_path = os.path.join(file_path_sx, new_filename)  # 新文件路径
        os.rename(old_file_path, new_file_path)  # 重命名文件

贴一个转成的xls文件的代码格式：

<meta http-equiv="content-type" content="application/ms-excel; charset=UTF-8"/>
<table cellspacing="0" rules="all" border="1" style="border-collapse:collapse;">
    <tr>
        <td align="center" colspan="9" style="font-size:20pt;font-weight:bold;">标题</td>
    </tr>
    <tr>
        <td align="center" style="width:130px;">日期</td>
        <td align="center" style="width:130px;">城市</td>
        <td align="center" style="width:130px;">&nbsp;</td>
    </tr>
    ....
</table>

这才算告一段落，当然也主要是自己对python不熟悉以及文本转换excel导致的，虚心学习，干掉老板，甜蜜的