readxl::read_xls 返回“libxls 错误：无法打开文件”答案

【问题标题】：readxl::read_xls returns "libxls error: Unable to open file"readxl::read_xls 返回“libxls 错误：无法打开文件”
【发布时间】：2019-12-06 17:51:18
【问题描述】：

我有多个 .xls (~100MB) 文件，我想将多个工作表（从每个工作表）加载到 R 作为数据框。我尝试了各种功能，例如xlsx::xlsx2 和XLConnect::readWorksheetFromFile，它们总是运行很长时间（>15 分钟）并且永远无法完成，我必须强制退出 RStudio 才能继续工作。

我还尝试了gdata::read.xls，它确实完成了，但每张纸需要超过 3 分钟，并且它不能像XLConnect::loadWorkbook 一样一次提取多张纸（这对加快我的管道非常有帮助）可以。

执行这些函数所需的时间（我什至不确定如果我让它们运行更长时间，前两个函数是否会完成）对于我需要同时处理多个文件的管道来说太长了。有没有办法让这些更快/完成？

在几个地方，我看到了使用函数readxl::read_xls 的建议，它似乎被广泛推荐用于此任务，并且每张纸应该更快。但是，这给了我一个错误：

> # Minimal reproducible example:
> setwd("/Users/USER/Desktop")
> library(readxl)
> data <- read_xls(path="test_file.xls")
Error: 
  filepath: /Users/USER/Desktop/test_file.xls
  libxls error: Unable to open file

我还进行了一些基本测试以确保文件存在并且格式正确：

> # Testing existence & format of the file
> file.exists("test_file.xls")
[1] TRUE
> format_from_ext("test_file.xls")
[1] "xls"
> format_from_signature("test_file.xls")
[1] "xls"

上面使用的test_file.xls 可用here。在使第一个函数运行得更快或read_xls 运行方面的任何建议将不胜感激 - 谢谢！

更新：

似乎有些用户能够使用readxl::read_xls 函数打开上述文件，而其他用户则不能，无论是在Mac 还是Windows 上，使用最新版本的R、Rstudio 和readxl。 issue has been posted on the readxl GitHub 尚未解决。

【问题讨论】：

标签： r excel macos xls readxl

【解决方案1】：

我下载了您的数据集并以这种方式读取了每个 excel 表（例如，对于表“Overall”和“Area”）：

install.packages("readxl")
library(readxl)
library(data.table)

dt_overall <- as.data.table(read_excel("test_file.xls", sheet = "Overall"))
area_sheet <- as.data.table(read_excel("test_file.xls", sheet = "Area"))

最后，我得到了这样的 dt（例如，“区域”表只有部分数据集）：

同样，您可以使用read_xls 函数代替read_excel。

我检查了一下，它也可以正常工作，甚至更快一些，因为read_excel 是read_xls 和read_xlsx 函数的包装器，来自readxl 包。

此外，您可以使用 readxl 包中的 excel_sheets 函数来读取您的 Excel 文件的所有工作表。

更新

使用microbenchmark 包对以下包/功能进行基准测试：gdata::read.xls、XLConnect::readWorksheetFromFile 和readxl::read_excel。

但XLConnect 是基于 Java 的解决方案，因此需要大量 RAM。

【讨论】：

尝试卸载readxl包，重启RStudio并重新安装readxl。还可以尝试将 R 和 RStudio 更新到最新版本（如果您有过时的版本）。
哦，这很有趣。我希望他们能帮助您找到解决问题的方法。同时，我还有两个建议，可能对您有所帮助： 1. 尝试直接安装 Rcpp 包，这又需要 Xcode（对于 OSX），这是 R 外部的依赖项。
2.尝试使用旧版本的 readxl 软件包打开您的 excel 文件（例如，v.1.3.0、1.2.0、1.1.0. 等；所有存档版本都可在此处获得：cran.r-project.org/src/contrib/Archive/readxl）。你可以这样安装它（例如）：if(!require(readxl)) { install.packages("https://cran.r-project.org/src/contrib/Archive/readxl/readxl_1.2.0.tar.gz", repos = NULL, type="source"); suppressPackageStartupMessages(require(readxl))} P.S.在链接中您可以指定任何版本的存档包
当然，不。在使用 readxl 包加载它之前，我没有更改或打开 excel 文件。我在 Windows 10 Enterprise（RAM 16 GB，64 位）上运行代码。但！当我尝试使用 RStudio Server (Ubuntu) 读取您的 excel 文件时，我得到同样的错误：libxls error: Unable to open file.
哦，很奇怪（我有> sessionInfo() R version 3.6.1 (2019-07-05) Platform: x86_64-w64-mingw32/x64 (64-bit) Running under: Windows >= 8 x64 (build 9200)（Windows：Windows 10 Enterprise，版本 1803，操作系统版本 17134.1006。过程：英特尔酷睿 i7-8550U，64 位操作系统）。RStudio -版本 1.1.456（2018 年 7 月 19 日）

【解决方案2】：

我将提出不同的工作流程。如果您碰巧安装了 LibreOffice，那么您可以通过编程方式将您的 excel 文件转换为 csv。我有 Linux，所以我用 bash 做，但我确信它可以在 macOS 中实现。

所以打开一个终端并导航到包含您的 excel 文件的文件夹并在终端中运行：

for i in *.xls
    do soffice --headless --convert-to csv "$i" 
done

现在在 R 中，您可以使用 data.table::fread 循环读取文件：

场景一：文件结构不同

如果文件的结构不同，那么您不会想将它们rbind 放在一起。你可以在 R 中运行：

files <- dir("path/to/files", pattern = ".csv")
all_files <- list()
for (i in 1:length(files)){
  fileName <- gsub("(^.*/)(.*)(.csv$)", "\\2", files[i])
  all_files[[fileName]] <- fread(files[i])
}

如果您想将列表中的命名元素提取到全局环境中，以便将它们转换为对象，可以使用list2env：

list2env(all_files, envir = .GlobalEnv)

请注意两点：第一，在gsub 调用中，斜线的方向。其次，list2env 可能会覆盖全局环境中的对象，前提是它们与列表中的命名元素同名。

场景二：文件结构相同

在这种情况下，您可能想将它们一起rbind。你可以在 R 中运行：

files <- dir("path/to/files", pattern = ".csv")
joined <- list()
for (i in 1:length(files)){
  joined <- rbindlist(joined, fread(files[i]), fill = TRUE)
}

【讨论】：

感谢您的回复！我更喜欢完全在 R 中完成的解决方案，因为我正在为一个不那么精通编码的朋友开发这个工作流程，所以我想把一个工作脚本交给她，而不是不得不转到终端。

【解决方案3】：

我发现我下载后无法立即用read_xl打开文件，但是如果我在Excel中打开文件，保存并再次关闭它，那么read_xl可以毫无问题地打开它.

我建议的处理数百个文件的解决方法是构建一个小的 C# 命令行实用程序来打开、保存和关闭 Excel 文件。源码如下，可以用visual studio社区版编译。

using System.IO;
using Excel = Microsoft.Office.Interop.Excel;

namespace resaver
{
  class Program
  {
    static void Main(string[] args)
    {
      string srcFile = Path.GetFullPath(args[0]);
      Excel.Application excelApplication = new Excel.Application();
      excelApplication.Application.DisplayAlerts = false;
      Excel.Workbook srcworkBook = excelApplication.Workbooks.Open(srcFile);
      srcworkBook.Save();
      srcworkBook.Close();
      excelApplication.Quit();
    }
  }
}

编译后，可以从 R 中调用该实用程序，例如system2().

【讨论】：

【解决方案4】：

在我的系统上，我必须使用path.expand。

R> file = "~/blah.xls"
R> read_xls(file)

Error: 
  filepath: ~/Dropbox/signal/aud/rba/balsheet/data/a03.xls
  libxls error: Unable to open file

R> read_xls(path.expand(file)) # fixed

【讨论】：

【解决方案5】：

重新保存您的文件，您可以轻松解决问题。

我以前也发现过这个问题，但我从你的讨论中得到了答案。

我使用read_excel() 打开这些文件。

【讨论】：

您的意思是用 Excel 重新保存文件吗？是的，这已经被建议了，但是在处理数百个文件时它并不能解决问题（您可以想象在 Microsoft Excel 中打开和重新保存每个文件需要很长时间）。
无论使用read_xls()还是read_excel()都没有区别-根据read_excel() documentation，read_xls()实际上更好：“read_excel()调用excel_format()来确定路径是 xls 还是 xlsx，取决于文件扩展名和文件本身，按此顺序排列。如果您更了解并希望防止此类猜测，请直接使用 read_xls() 和 read_xlsx()。"

【解决方案6】：

我看到了类似的错误，想分享一个短期解决方案。

library(readxl)
download.file("https://mjwebster.github.io/DataJ/spreadsheets/MLBpayrolls.xls", "MLBPayrolls.xls")
MLBpayrolls <- read_excel("MLBpayrolls.xls", sheet = "MLB Payrolls", na = "n/a")

产量（在我教室的某些系统上，但在其他系统上）：

错误：文件路径：MLBPayrolls.xls libxls 错误：无法打开文件

临时的解决办法是将xls文件的URL粘贴到Firefox中，然后通过浏览器下载。完成此操作后，我们可以运行read_excel 行而不会出错。

这发生在今天的 Windows 10 上，带有 R 3.6.2 和 R Studio 1.2.5033。

【讨论】：

谢谢，@Ryan！就像我在 GitHub 上提到的，OP 中描述的问题是文件已经在本地下载，所以这可能是另一回事。

【解决方案7】：

如果你是从网上下载的.xls数据，即使你在Ms.Excel中打开它，它也会先打开一个提示，询问你是否信任来源，看下面的截图，我猜这是R (read_xls) 也无法打开它的原因，因为它被认为是不安全的。将其保存为 .xlsx 文件，然后使用 read_xlsx() 或 read_excel()。

【讨论】：

【解决方案8】：

即使认为这不是基于代码的解决方案，我只是更改了类型文件。例如，我保存为csv 或xlsx 而不是xls。然后我像普通一样打开它。
我为我工作，因为当我打开我的xlsfile 时，我弹出消息：“'file.xls''的文件格式和扩展名不匹配。文件可能已损坏或不安全...”

【讨论】：