Usando XLRD para leer archivos XLS de Excel que contenga chino y / o caracteres Hindi

Question

http: // scienceoss. com / lectura-excel-archivos-de-python / comentario-página-1 / # comment-1051

Desde el enlace de arriba, que utiliza esta utilidad para leer un archivo XLS. Si el archivo XLS contiene diferentes caracteres de idiomas como el chino o el hindi, que no emite correctamente. ¿Hay una solución para esto?

Tras Google, he encontrado esto:

import xlrd

def upload_xls(dir,file,request):
    try:
        global msg
        global row_num
        row_num = []
        header_arr = []
        global file_path
        file_path = dir
        #reader = csv.reader(open(file), delimiter='#', quotechar='"')
        book = xlrd.open_workbook('dodgy.xls',encoding='cp1252')   ##To specify UTF8-encoding
        wb.sheet_names()
        sh =  wb.sheet_by_index(0)
        valid_xl_format = 0
        invalid_xl_format = 0
     except:
        print "Error

Sin embargo, hay un error en el book = open_workbook('dodgy.xls',encoding='cp1252') línea:

  

TypeError: open_workbook() got an unexpected keyword argument 'encoding'

Answer 1

De acuerdo con la XLRD módulo documentación , el parámetro correcto es: encoding_override = "CP1252" y no encoding = "CP1252" .

Por la forma en que va a importar el módulo XLRD usted debe llamar a la función como xlrd.open_workbook pero en el código de ejemplo se utiliza la función directamente, como si se hubiera usado "de importación XLRD *".

Answer 2

[des] reclamante:. Soy el autor de XLRD

  

Si el xls contiene caracteres diferentes idiomas, como el lomo o   hindi.It no emitirá el wordings.Is exactas hay un trabajo en torno a   este ..

El argumento encoding_override es (como se explica en la documentación) que se utiliza sólo para archivos de edad (producidos por Sobresale anteriores a Excel 97 (que es el año 1997)) y sólo entonces cuando la registrada internamente "página de códigos" o es incorrecto.

Nota: el archivo antiguo con caracteres chinos:. Reemplazar con 'CP1252' está garantizado para lanzar una excepción

Nota: el archivo antiguo con caracteres "Hindi" (devanagari?): Muy poco probable ... por lo que yo sé nunca hubo una página de códigos apoyado oficialmente por cualquiera de las secuencias de comandos ISCII, y no he oído hablar de cualquier uno no oficial. Cualquier información sobre este tema y / o archivos de muestra sería muy bienvenido.

Excel 97 y versiones posteriores registrar todos los datos de texto en (efectivamente) UTF-16LE. El encoding_override se ignora si el archivo es un válido Excel-97-o más-archivo.

Cualquiera que sea la versión de Excel que produce el archivo, (como se documenta) XLRD vuelve Unicode cadenas. Sus problemas son mucho más propensos a estar relacionados con la forma en que está visualizando o convertir esas cadenas Unicode.

Para obtener más ayuda, editar su pregunta para mostrar ejemplos de la salida real junto con el "texto exacto".

Answer 3

Hay un módulo csv en la biblioteca estándar, que se ocupa de Unicode en Python 3.1.

Advertencia:. en Python 2.x la biblioteca csv hace no mango Unicode

Answer 4

Hay una pregunta similar. La respuesta fue la salida estaba causando problema, no XLRD.

respuesta sobre cómo configurar la secuencia de comandos a UTF-8 -> https://stackoverflow.com/a/17628350/713