Я пробовал xlrd, pandas, openpyxl и другие подобные библиотеки, и все они, похоже, занимают экспоненциальное время по мере увеличения размера файла при чтении всего файла. Другие решения, упомянутые выше, где они использовали on_demand, у меня не работали. Если вы просто хотите сначала получить имена листов, следующая функция работает для файлов xlsx.
def get_sheet_details(file_path):
sheets = []
file_name = os.path.splitext(os.path.split(file_path)[-1])[0]
# Make a temporary directory with the file name
directory_to_extract_to = os.path.join(settings.MEDIA_ROOT, file_name)
os.mkdir(directory_to_extract_to)
# Extract the xlsx file as it is just a zip file
zip_ref = zipfile.ZipFile(file_path, 'r')
zip_ref.extractall(directory_to_extract_to)
zip_ref.close()
# Open the workbook.xml which is very light and only has meta data, get sheets from it
path_to_workbook = os.path.join(directory_to_extract_to, 'xl', 'workbook.xml')
with open(path_to_workbook, 'r') as f:
xml = f.read()
dictionary = xmltodict.parse(xml)
for sheet in dictionary['workbook']['sheets']['sheet']:
sheet_details = {
'id': sheet['@sheetId'],
'name': sheet['@name']
}
sheets.append(sheet_details)
# Delete the extracted files directory
shutil.rmtree(directory_to_extract_to)
return sheets
Поскольку все xlsx в основном представляют собой заархивированные файлы, мы извлекаем базовые данные xml и считываем имена листов непосредственно из книги, что занимает долю секунды по сравнению с функциями библиотеки.
Тестирование: (в файле xlsx размером 6 МБ с 4 листами)
Pandas, xlrd: 12 секунд
openpyxl: 24 секунды
Предлагаемый метод: 0,4 секунды
Поскольку моим требованием было просто читать имена листов, ненужные накладные расходы на чтение всего времени меня беспокоили, поэтому я выбрал этот путь.
person
Dhwanil shah
schedule
27.05.2019