主页 / 问题 / 1588178
Accepted
overxffff
Asked:2024-07-24 18:03:30 +0000 UTC2024-07-24 18:03:30 +0000 UTC

确定 XLS 中的编码

  • 772

如何确定xls中的编码？

Windows 程序以 xls 格式生成报告，以 cp1251 编码生成西里尔文条目，有时在 LibreOffice 中编辑报告，LibreOffice 可以正常打开并以 utf-8 格式保存条目，使用 cp1251 编码的 Pandas 显示不可读的文本并因错误而崩溃。如何确定xls中的字符编码，如果我不知道报告是否被编辑过，如果不需要utf-8编码，如果cp1251编码需要重新编码为utf-8（我可以重新编码）。

编辑前的文件https://disk.yandex.ru/d/m6p2XH-LgobpJg 在 libreOffice 中编辑后的文件https://disk.yandex.ru/i/jZud5jiqLQQdRw

如果您打开 otchet.xls

excel_data = pd.read_excel('otchet.xls')

出现该消息

*** No CODEPAGE record, no encoding_override: will use 'iso-8859-1'
и в другой функции 
ValueError: cannot convert float NaN to integer

如果你像这样打开它，一切也都可以正常打开，但是你如何确定以什么编码打开它呢？

import xlrd
workbook = xlrd.open_workbook(source_file, encoding_override='cp1251')
python

2 个回答

  1. Best Answer

    您可以尝试简单地区分原始文件和重新保存的文件。因此，在原始字节中，第一个字节是0x09，而在重新保存的字节中，第一个字节是0xD0。如果标记稳定（您需要在其他文件上检查它），那么这将起作用。

    import pandas as pd
import xlrd

original, modified = '09', 'd0'
for file in r'c:\Users\Alex20\Downloads\otchet.xls', r'c:\Users\Alex20\Downloads\otchet_after_edit.xls':
    with open(file, 'rb') as f:
        first_byte = f.read(1).hex()
        if first_byte == original:
            wb = xlrd.open_workbook(file, encoding_override='cp1251')
            df = pd.read_excel(wb)
        elif first_byte == modified:
            df = pd.read_excel(file)
        else:
            print(f'Файл `{file}` имеет неизвестный формат, чтение невозможно')
    print(file, '\n', df)

    c:\Users\Alex20\Downloads\otchet.xls 
           Имя  № сотрудника           Дата Время Состояние   Описание исключения  Рабочий код
0  Корнилов К          9997  2024-07-15 07:09:51    Пришел  Неправильное состоян          0.0
1  Корнилов К          9997  2024-07-15 16:53:47      Ушел  Неправильное состоян          0.0
2  Корнилов К          9997  2024-07-16 07:14:21    Пришел  Неправильное состоян          0.0
3  Корнилов К          9997  2024-07-16 17:01:08      Ушел  Неправильное состоян          0.0
c:\Users\Alex20\Downloads\otchet_after_edit.xls 
           Имя  № сотрудника           Дата Время Состояние   Описание исключения  Рабочий код
0  Корнилов К          9997  2024-07-15 07:09:51    Пришел  Неправильное состоян            0
1  Корнилов К          9997  2024-07-15 16:53:47      Ушел  Неправильное состоян            0
2  Корнилов К          9997  2024-07-16 07:14:21    Пришел  Неправильное состоян            0
3  Корнилов К          9997  2024-07-16 17:01:08      Ушел  Неправильное состоян            0
    • 3

  2. 您可以简单地循环可能的编码，直到不抛出异常：

    import xlrd
import pandas as pd

def read_excel(filename):
    for encoding in ('UTF-8', 'cp1251'):
        try:
            wb = xlrd.open_workbook(filename, encoding_override=encoding)
            df = pd.read_excel(wb)
            return df
        except:
            print(f'Не удалось прочитать файл {filename} в кодировке {encoding}')
    print(f'Не удалось найти подходящую кодировку для файла {filename}')

df = read_excel('otchet.xls')
    • 1

相关问题