web-dev-qa-db-ja.com

ドキュメント全体をメモリにロードせずに、Excelドキュメントの行数を取得することは可能ですか？

私は巨大なExcel 2007ファイルを処理するアプリケーションに取り組んでおり、それを行うために OpenPyXL を使用しています。 OpenPyXLには、Excelファイルを読み取るための2つの異なる方法があります。1つはドキュメント全体を一度にメモリに読み込む「通常の」方法、もう1つは行ごとにイテレータを使用する方法です。

問題は、イテレータメソッドを使用しているとき、列の幅や行/列の数などのドキュメントメタデータを取得できず、ireallyこのデータが必要です。このデータはExcelドキュメントの上部近くに保存されているため、10 MBのファイル全体をメモリに読み込んでアクセスする必要はありません。

だから、最初にドキュメント全体をメモリにロードせずに行/列の数と列の幅を把握する方法はありますか？

pythonopenpyxl
43
Hubro

Hubroの発言に加えて、明らかにget_highest_row()は廃止されました。 max_rowおよびmax_columnプロパティは、行と列の数を返します。例えば：

    wb = load_workbook(path, use_iterators=True)
    sheet = wb.worksheets[0]

    row_count = sheet.max_row
    column_count = sheet.max_column
89
dransom90

この回答で提案された解決策は廃止され、機能しなくなる可能性があります。

OpenPyXLのソースコードを見て（ IterableWorksheet ）イテレータワークシートから列と行のカウントを取得する方法を見つけました。

wb = load_workbook(path, use_iterators=True)
sheet = wb.worksheets[0]

row_count = sheet.get_highest_row() - 1
column_count = letter_to_index(sheet.get_highest_column()) + 1

IterableWorksheet.get_highest_columnは、Excelで表示できる列文字を含む文字列を返します。 「A」、「B」、「C」など。したがって、列の文字をゼロベースのインデックスに変換する関数も作成しました。

def letter_to_index(letter):
    """Converts a column letter, e.g. "A", "B", "AA", "BC" etc. to a zero based
    column index.

    A becomes 0, B becomes 1, Z becomes 25, AA becomes 26 etc.

    Args:
        letter (str): The column index letter.
    Returns:
        The column index as an integer.
    """
    letter = letter.upper()
    result = 0

    for index, char in enumerate(reversed(letter)):
        # Get the ASCII number of the letter and subtract 64 so that A
        # corresponds to 1.
        num = ord(char) - 64

        # Multiply the number with 26 to the power of `index` to get the correct
        # value of the letter based on it's index in the string.
        final_num = (26 ** index) * num

        result += final_num

    # Subtract 1 from the result to make it zero-based before returning.
    return result - 1

ただし、列のサイズを取得する方法がまだわかっていないため、アプリケーションで固定幅のフォントと自動スケーリングされた列を使用することにしました。

16
Hubro

これは非常に複雑で、明らかなことを見逃しているかもしれませんが、Iterable Worksheetsのcolumn_dimensionsにOpenPyXLを入力しないと（上記のコメントを参照）、すべてをロードせずに列サイズを見つける唯一の方法は、xmlを直接解析することです：

from xml.etree.ElementTree import iterparse
from openpyxl import load_workbook
wb=load_workbook("/path/to/workbook.xlsx", use_iterators=True)
ws=wb.worksheets[0]
xml = ws._xml_source
xml.seek(0)

for _,x in iterparse(xml):

    name= x.tag.split("}")[-1]
    if name=="col":
        print "Column %(max)s: Width: %(width)s"%x.attrib # width = x.attrib["width"]

    if name=="cols":
        print "break before reading the rest of the file"
        break
2
Markus

https://pythonhosted.org/pyexcel/iapi/pyexcel.sheets.Sheet.html see：row_range（）行範囲を取得するユーティリティ関数

pyexcelを使用する場合、row_rangeを呼び出して最大行数を取得できます。

python 3.4テストパス。

0
delphisharp