Сегодня хочу поговорить о насущной проблеме, с которой я сталкивался чаще, чем хотелось бы. В последние годы очень часто писал скрипты для формирования управленческих отчетов, отчетов по финансам, продажам и т.д.
Большинство данных получал из excel файлов, сгенерированных 1С предприятием.
Сам знаю, что корректнее получать json объект и работать уже с ним, но имеем что имеем. Тем более, некоторые руководители также загружали в обработку свои excel файлы.
Так в чем проблема?
А проблема в том, что python плохо воспринимает тот формат, который ему отдает windows и 1c.
И каждый раз в момент открытия файла мы видим ошибку:
KeyError: "There is no item named 'xl/sharedStrings.xml' in the archive"
Если грубо - python не считает excel таблицу excel таблицей, т.к. в windows формате указанный в ошибке файл создается с заглавной буквы.
Будем исправлять, но сначала немного погрузимся в теорию:
Технически, xls формат отличается от xlsx тем, что xls - это таблица, а xlsx - это архив. Да, да, наш привычный Excel файл по сути является zip архивом, просто с немного другим форматом.
Именно поэтому защищенный паролем xlsx файл можно спокойно "взломать", распаковав его и убрав вручную параметры защиты с листа.
Но сейчас не об этом. Давайте разбираться с нашей проблемой.
- Для работы нам понадобятся библиотеки shutil, os и zipfile:
import shutil
import os
from zipfile import ZipFile
- Определяем нашу рабочую директорию и файл, с которым будем работать:
- Создаем папку для временных файлов:
- Так как наш Excel файл - это zip архив, распаковываем его во временную папку:
- Определяем неправильные пути:
- Исправляем название внутри распакованного файла и архивируем его обратно:
На этом моменте все готово. Наши библиотеки получат возможность открывать файлы и обрабатывать их.
- Обернем все в функцию, которую можно будет вызывать из других скриптов, заодно добавим функционал обработки всех .xlsx файлов в директории:
Код из статьи выложил здесь.