Skip to content
Office Oxide

从 xlrd 迁移

xlrd 曾是读取遗留 .xls(Excel 97–2003)文件的标准 Python 库。它在 2.0(2020)中砍掉了 .xls 支持并建议迁移。社区的各种绕行方案 — 锁 xlrd<2.0、调用 LibreOffice、改用 python-calamine — 都有各自的缺点。

Office Oxide 直接读取 .xls,比 xlrd 最后一个支持 .xls 的版本快 13 倍,通过率也更高。附带的好处是你还能用一行代码把 .xls 转成 .xlsx。

何时迁移

下列任一条成立就切换:

  • 你还停留在 xlrd<2.0 上,想用一个有维护的库
  • 你需要从一个库里同时读 .xls 和 .xlsx
  • 你想把整个语料一次性迁到 .xlsx,从此告别遗留格式
  • 你还需要 .doc、.ppt、.docx 或 .pptx — 同一个安装全覆盖

安装

pip uninstall xlrd
pip install office-oxide

对照速查

打开 .xls

xlrd

import xlrd

book = xlrd.open_workbook("legacy.xls")
sheet = book.sheet_by_index(0)

office_oxide

from office_oxide import Document

with Document.open("legacy.xls") as doc:
    xls = doc.as_xls()
    sheet = xls.sheets()[0]

遍历单元格

xlrd

for row in range(sheet.nrows):
    for col in range(sheet.ncols):
        print(sheet.cell_value(row, col))

office_oxide

for cell in sheet.cells():
    print(cell.address(), cell.value())

把所有单元格读为一张表(最常见的场景)

xlrd

import xlrd

book = xlrd.open_workbook("legacy.xls")
sheet = book.sheet_by_index(0)
rows = [
    [sheet.cell_value(r, c) for c in range(sheet.ncols)]
    for r in range(sheet.nrows)
]

office_oxide

from office_oxide import Document

with Document.open("legacy.xls") as doc:
    ir = doc.to_ir()

# 第一张工作表 → 第一个章节 → 第一张表
table = next(el for el in ir["sections"][0]["elements"] if el["kind"] == "Table")
rows = table["rows"]

工作表名

xlrd

book = xlrd.open_workbook("legacy.xls")
print(book.sheet_names())

office_oxide

with Document.open("legacy.xls") as doc:
    print([s.name() for s in doc.as_xls().sheets()])

一行搞定 .xls → .xlsx

如果下游工具已经能处理 .xlsx,最干净的迁移路径就是一次性把语料转过去,从此不再碰 .xls:

from office_oxide import Document

with Document.open("legacy.xls") as doc:
    doc.save_as("modern.xlsx")

整个目录:

from pathlib import Path
from office_oxide import Document

for src in Path("legacy").rglob("*.xls"):
    dst = src.with_suffix(".xlsx")
    with Document.open(src) as doc:
        doc.save_as(dst)

性能

库 .xls 平均 p99 通过率
office_oxide 2.8 ms 75 ms 99.2%
python-calamine 9.0 ms 96 ms 90.7%
xlrd 36.6 ms 503 ms 93.1%

Office Oxide 比 xlrd 快 13 倍,通过率高 6.1 个百分点。

会丢失什么

xlrd 的公式表达式、已定义名称和共享公式缓存不会通过 IR 暴露。缓存的公式结果会保留 — 这正是下游工具真正需要的东西。要拿公式表达式,请下沉到格式专用的 xls 模块,或先转成 .xlsx 再用 xlsx。

相关链接