使用Perl读取Excel文件 |
您所在的位置:网站首页 › 怎么打开excel表 › 使用Perl读取Excel文件 |
为了实现一些机械分词算法,准备使用“国家语委语料库”的分词词表,在线下载到得词表文件是一个Excel文件。本文的任务就是使用Perl从该Execl文件中提取所有的词语。 词表文件格式如下:
需要的词语的位置在从第8行开始的,第B列的所有单元格。一共有14629个词语。(PS:语料库的分词词表包含8万多个词语,但是在线下载到是出现次数在50次以上的词语,只有这1万多)。 2. 使用什么模块 通过阅读一些博文发现,PERL的Spreadsheet::ParseExcel模块支持Excel的读操作。 3. 如何下载模块(windows xp上的草莓PERL) 在命令行下输入:cpan Spreadsheet::ParseExcel,即可自动安装。
安装结束后,输入perldoc Spreadsheet::ParseExcel,即可检测是否安装成功。(如果安装失败,会输出安装失败)
4. 样例代码 感觉perldoc的样例代码读起来很费力,不如直接到cpan网站上面去看样例代码,或者下载模块的样例代码。 登录cpan网站:http://search.cpan.org/,查找Spreadsheet::ParseExcel模块,在其主页http://search.cpan.org/~jmcnamara/Spreadsheet-ParseExcel-0.59/lib/Spreadsheet/ParseExcel.pm#NAME 上面可以找到样例代码和一些解释。样例代码如下,遍历所有的worksheet,遍历每个worksheet下面的单元格。 #!/usr/bin/perl -wuse strict;use Spreadsheet::ParseExcel; my $parser = Spreadsheet::ParseExcel->new();my $workbook = $parser->parse('Book1.xls'); if ( !defined $workbook ) { die $parser->error(), ".\n";} for my $worksheet ( $workbook->worksheets() ) { my ( $row_min, $row_max ) = $worksheet->row_range(); my ( $col_min, $col_max ) = $worksheet->col_range(); for my $row ( $row_min .. $row_max ) { for my $col ( $col_min .. $col_max ) { my $cell = $worksheet->get_cell( $row, $col ); next unless $cell; print "Row, Col = ($row, $col)\n"; print "Value = ", $cell->value(), "\n"; print "Unformatted = ", $cell->unformatted(), "\n"; print "\n"; } }}另外,在该网页上可以找到该模块的文件: http://search.cpan.org/CPAN/authors/id/J/JM/JMCNAMARA/Spreadsheet-ParseExcel-0.59.tar.gz 这个压缩包包含了很多模块的样例代码。 5. 样例文件读取 首先建立一个只有4行1列的excel文件,进行尝试:
然后使用前面的样例代码,将'Book1.xls'替换为目标文件名,即可。显示中文乱码。
根据网上资料来看,excel的字符编码是unicode,一般使用如下代码进行解决: my $formatter = Spreadsheet::ParseExcel::FmtUnicode->new(Unicode_Map=>"CP936");my $workbook = $parser->parse('example.xls', $formatter);完整代码如下: #!/usr/bin/perl -wuse Spreadsheet::ParseExcel;use Spreadsheet::ParseExcel::FmtUnicode; my $parser = Spreadsheet::ParseExcel->new();my $formatter = Spreadsheet::ParseExcel::FmtUnicode->new(Unicode_Map=>"CP936");my $workbook = $parser->parse('example.xls', $formatter); if ( !defined $workbook ) { die $parser->error(), ".\n";} for my $worksheet ( $workbook->worksheets() ) { my ( $row_min, $row_max ) = $worksheet->row_range(); my ( $col_min, $col_max ) = $worksheet->col_range(); for my $row ( $row_min .. $row_max ) { for my $col ( $col_min .. $col_max ) { my $cell = $worksheet->get_cell( $row, $col ); next unless $cell; print "Row, Col = ($row, $col)\n"; print "Value = ", $cell->value(), "\n"; print "\n"; } }}; 注意所有需要安装的模块有如下几个: Spreadsheet::ParseExcel:最开始安装的。 Unicode::Map:这个要安装一下,用于字符编码。 IO-stringy:这个已经安装过了,具体不清楚。 OLE-Storage_Lite:这个是访问office套件的需要的包。在安装Spreadsheet::ParseExcel被安装了。 这里只需要安装Unicode::Map即可。 上面代码显示结果正常:
此处可以发现,行和列的单元格的下标都是从0开始的。 6. 任务实现 词语的行从第8行开始(下标为7),列都在第2列(下标为1)。这样对代码略作修改,令$row_min=7,令$col_min=$col_max=1。修改目标文件名为'CorpusWordlist.xls'。输出结果如下: my $worksheet_count = $workbook->worksheet_count(); #得到当前表的数量 my $filename = $workbook->get_filename(); #得到当前文件名 my $name = $worksheet->get_name(); #得到表的名称 #----------------------------------------------------------------------写代码---------------------------------------------------------------------------------
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |