使用 python 的 openpyxl 读取 Excel

Python, 编程 / 作者：
Python 的 openpyxl 模块可以让我们能读取和修改 Excel 文件。
首先让我们先理解一些 Excel 基础概念。

1 Excel 基础概念

Excel 文件也称做为工作簿。每个工作簿可以包含多个工作表(Sheet)。用户当前查看的表或关闭 Excel 前最后查看的表，称为活动表。

每一张表都是由列和行构成的。列是以 A 开始的字母表示；而行是以 1 开始的数字表示的。由特定行和列所指定的方格称为单元格。每个单元格都可以包含一个数字或文本。这些单元格就构成了这张表。

2 安装 openpyxl

通过 pip 就可以安装最新版的 openpyxl。

pip install openpyxl

3 读取 Excel

假设有这样一份世界人口统计 Excel 文档，内容如下：

3.1 加载 Excel

wb = openpyxl.load_workbook('population.xlsx')
print('wb 类型 :')
print(type(wb), '\n')

运行结果：

wb 类型 :
<class ‘openpyxl.workbook.workbook.Workbook’>

导入 openpyxl 模块之后，就可以使用 openpyxl.load_workbook() 函数来加载 Excel 文档咯。这个 Excel 文件表示为 Workbook 对象。

注意： load_workbook() 函数中的文件，必须在当前工作目录。可以导入 os 模块，利用 os.getcwd() 来获悉当前工作目录。os 还提供了 chdir() 方法，可以改变当前工作目录。

import os
print('当前工作目录 :')
print(os.getcwd(), '\n')

运行结果：

3.2 读取 Excel 工作表（sheet）

...
print('取得所有工作表的表名 :')
print(wb.sheetnames, '\n')

print('取得某张工作表 :')
sheet = wb['Sheet3']
print(type(sheet))
print('表名 - ' + sheet.title, '\n')

print('取得活动工作表 :')
active_sheet = wb.active
print('表名 - ' + active_sheet.title, '\n')

运行结果：

取得所有工作表的表名 :
[‘Sheet1’, ‘Sheet2’, ‘Sheet3’]

取得某张工作表 :
<class ‘openpyxl.worksheet.worksheet.Worksheet’>
表名 – Sheet3

取得活动工作表 :
表名 – Sheet1

  • Workbook 对象的 sheetnames 属性可以获取所有 sheet 表的表名列表。
  • Workbook 对象的 active 属性，会获取当前活动表，即打开 Excel 时出现的工作表。
  • 获取 Worksheet 对象后，我们就可以通过 title 属性得到 sheet 的名称。

3.3 读取单元格 （Cell）

...
print('取得 A1 单元格 :')
cell = active_sheet['A1']
print(cell)
print(cell.value, '\n')

print('取得 B1 单元格 :')
cell = active_sheet['B1']
print(cell)
print(cell.value, '\n')

print('行号为 ' + str(cell.row) + ',列号为 ' + str(cell.column) + ' 的单元格，其值为 ' + cell.value, '\n')
print('单元格 ' + cell.coordinate + ' 其值为 ' + cell.value, '\n')

print('取得 C1 单元格的值 :')
print(active_sheet['C1'].value, '\n')

print('通过指定行与列，来获取单元格:')
print(active_sheet.cell(row=1, column=2))
print(active_sheet.cell(row=1, column=2).value)

print('迭代行与列，来获取单元格的值:')
for i in range(1, 8, 2):
    print(i, active_sheet.cell(row=i, column=2).value)
print('\n')

运行结果：

取得 A1 单元格 :
<Cell ‘Sheet1’.A1>
排名

取得 B1 单元格 :
<Cell ‘Sheet1’.B1>
国家

行号为 1,列号为 2 的单元格，其值为 国家

单元格 B1 其值为 国家

取得 C1 单元格的值 :
人口

通过指定行与列，来获取单元格:
<Cell ‘Sheet1’.B1>
国家
迭代行与列，来获取单元格的值:
1 国家
3 印度
5 印度尼西亚
7 巴基斯坦

  • 可以通过单元格的名字（比如：A1）来获取 Cell 对象。
  • Cell 对象的 value 属性，存放的是该单元格中所保存的值。
  • Cell 对象的 row、 column 和 coordinate 属性，存放的是该单元格的位置信息。
  • 用字母来指定列比较奇怪，因此我们也可以通过 sheet 的 cell 方法直接指定行（row）与列（column），来获取单元格 Cell 对象。

3.4 获取工作表大小

print('获取工作表的大小:')
print('总行数 -> ' + str(active_sheet.max_row))
print('总列数 -> ' + str(active_sheet.max_column))

运行结果：

获取工作表的大小:
总行数 -> 11
总列数 -> 4

Worksheet 对象的 max_row 与 max_column，可以获取工作表的总行数与总列数，即工作表的大小。

3.5 列转换函数

openpyxl 提供了两个函数，用于转换列号：

  • openpyxl.utils.get_column_letter -> 会把数字转化为字母。
  • openpyxl.utils.column_index_from_string -> 会把字母转化为数字。
import openpyxl
from openpyxl.utils import get_column_letter, column_index_from_string
...
print('列转换函数:')
print('[数字转换为字母]')
print('第 1 列 -> ' + get_column_letter(1))
print('第 2 列 -> ' + get_column_letter(2))
print('第 37 列 -> ' + get_column_letter(37))
print('第 818 列 -> ' + get_column_letter(818))
print('[字母转换为数字]')
print('第 A 列 -> ' + str(column_index_from_string('A')))
print('第 CC 列 -> ' + str(column_index_from_string('CC')))

运行结果：

[数字转换为字母]
第 1 列 -> A
第 2 列 -> B
第 37 列 -> AK
第 818 列 -> AEL
[字母转换为数字]
第 A 列 -> 1
第 CC 列 -> 81

3.6 切片

我们可以对 Worksheet 对象切片，取得表格中的一个矩形区域，迭代遍历这个区域中的所有 Cell 对象。

print(tuple(active_sheet['A2':'D4']))
for row_objects in active_sheet['A2':'D4']:
    for cell_object in row_objects:
        print(cell_object.coordinate, cell_object.value)
    print('-- 当前行获取结束 --')

运行结果：

((<Cell ‘Sheet1’.A2>, <Cell ‘Sheet1’.B2>, <Cell ‘Sheet1’.C2>, <Cell ‘Sheet1’.D2>), (<Cell ‘Sheet1’.A3>, <Cell ‘Sheet1’.B3>, <Cell ‘Sheet1’.C3>, <Cell ‘Sheet1’.D3>), (<Cell ‘Sheet1’.A4>, <Cell ‘Sheet1’.B4>, <Cell ‘Sheet1’.C4>, <Cell ‘Sheet1’.D4>))
A2 1
B2 中国
C2 13.83亿人(2016)
D2 9634057
— 当前行获取结束 —
A3 2
B3 印度
C3 1339180127
D3 2973190
— 当前行获取结束 —
A4 3
B4 美国

C4 324459463
D4 9147420
— 当前行获取结束 —

  • 这里首先通过 tuple() 方法，展示出了切片后的所有 Cell 对象。
  • 然后使用了两个 for 循环，外层 for 循环会遍历这个切片中的每一行；而内层 for 循环会遍历该行中的每个单元格。

3.7 获取指定行或指定列

我们可以使用 Worksheet 对象的 rows 和 columns 属性，来获取指定行或者列：

print('获取特定行:')
print(list(active_sheet.rows)[2])
for cell_object in list(active_sheet.rows)[2]:
    print(cell_object.value)

print('获取特定列:')
print(list(active_sheet.columns)[2])
for cell_object in list(active_sheet.columns)[2]:
    print(cell_object.value)

运行结果：

获取特定行:
(<Cell ‘Sheet1’.A3>, <Cell ‘Sheet1’.B3>, <Cell ‘Sheet1’.C3>, <Cell ‘Sheet1’.D3>)
2
印度
1339180127
2973190
获取特定列:
(<Cell ‘Sheet1’.C1>, <Cell ‘Sheet1’.C2>, <Cell ‘Sheet1’.C3>, <Cell ‘Sheet1’.C4>, <Cell ‘Sheet1’.C5>, <Cell ‘Sheet1’.C6>, <Cell ‘Sheet1’.C7>, <Cell ‘Sheet1’.C8>, <Cell ‘Sheet1’.C9>, <Cell ‘Sheet1’.C10>, <Cell ‘Sheet1’.C11>)
人口
13.83亿人(2016)
1339180127
324459463
263991379
209288278
197015955
190886311
164669751
143989754
129163276

  • Worksheet 对象的 rows 或者 columns 属性，都会返回一个由 “行元组” 构成的元组。每个行元组都拥有该行中的所有 Cell 对象。
  • 可以通过行元组的下标，来访问具体的 Cell 对象。

读取 Excel 步骤，总结如下：

  1. 导入 openpyxl 模块。
  2. 调用 openpyxl.load_workbook() 函数，加载 excel 文档，获取 Workbook 对象。
  3. 调用 workbook#active 或 workbook[${sheet_name}]，获取 sheet 工作簿。
  4. 传入 row 和 column 关键字参数并调用索引或工作表的 cell() 方法，获取 Cell 对象。
  5. 有了 Cell 对象，就可以执行具体的业务逻辑咯。

发表评论