用 Ruby 解析 XLS 和 XLSX (MS Excel) 文件？

Question

是否有任何 gem 能够解析 XLS 和 XLSX 文件？我找到了电子表格和 ParseExcel，但它们都不懂 XLSX 格式。

Answer 1

我最近需要用 Ruby 解析一些 Excel 文件。丰富的库和选项结果令人困惑，所以我写了一个 blog post 来讨论它。

下表列出了不同的 Ruby 库及其支持的内容：

如果您关心性能，以下是 xlsx 库的比较：

我有使用每个支持的库here 读取 xlsx 文件的示例代码

以下是一些使用不同库读取 xlsx 文件的示例：

rubyXL

require 'rubyXL'

workbook = RubyXL::Parser.parse './sample_excel_files/xlsx_500_rows.xlsx'
worksheets = workbook.worksheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.sheet_name}"
  num_rows = 0
  worksheet.each do |row|
    row_cells = row.cells.map{ |cell| cell.value }
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

roo

require 'roo'

workbook = Roo::Spreadsheet.open './sample_excel_files/xlsx_500_rows.xlsx'
worksheets = workbook.sheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet}"
  num_rows = 0
  workbook.sheet(worksheet).each_row_streaming do |row|
    row_cells = row.map { |cell| cell.value }
    num_rows += 1
  end
  puts "Read #{num_rows} rows" 
end

小溪

require 'creek'

workbook = Creek::Book.new './sample_excel_files/xlsx_500_rows.xlsx'
worksheets = workbook.sheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.name}"
  num_rows = 0
  worksheet.rows.each do |row|
    row_cells = row.values
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

simple_xlsx_reader

require 'simple_xlsx_reader'

workbook = SimpleXlsxReader.open './sample_excel_files/xlsx_500000_rows.xlsx'
worksheets = workbook.sheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.name}"
  num_rows = 0
  worksheet.rows.each do |row|
    row_cells = row
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

以下是使用spreadsheet 库读取旧版xls 文件的示例：

电子表格

require 'spreadsheet'

# Note: spreadsheet only supports .xls files (not .xlsx)
workbook = Spreadsheet.open './sample_excel_files/xls_500_rows.xls'
worksheets = workbook.worksheets
puts "Found #{worksheets.count} worksheets"

worksheets.each do |worksheet|
  puts "Reading: #{worksheet.name}"
  num_rows = 0
  worksheet.rows.each do |row|
    row_cells = row.to_a.map{ |v| v.methods.include?(:value) ? v.value : v }
    num_rows += 1
  end
  puts "Read #{num_rows} rows"
end

Answer 2

刚刚找到 roo，它可能会完成这项工作 - 可以满足我的要求，阅读基本的电子表格。

Answer 3

roo gem 非常适用于 Excel（.xls 和 .xlsx），并且正在积极开发中。

我同意语法不是很好，也不像 ruby​​。但这可以通过以下方式轻松实现：

class Spreadsheet
  def initialize(file_path)
    @xls = Roo::Spreadsheet.open(file_path)
  end

  def each_sheet
    @xls.sheets.each do |sheet|
      @xls.default_sheet = sheet
      yield sheet
    end
  end

  def each_row
    0.upto(@xls.last_row) do |index|
      yield @xls.row(index)
    end
  end

  def each_column
    0.upto(@xls.last_column) do |index|
      yield @xls.column(index)
    end
  end
end

Answer 4

我正在使用使用 nokogiri 的小溪。它很快。在我的 Macbook Air 上的 21x11250 xlsx 表上使用了 8.3 秒。让它在 ruby​​ 1.9.3+ 上工作。每行的输出格式是行和列名到单元格内容的哈希： {"A1"=>"一个单元格", "B1"=>"另一个单元格"} 散列不保证键将按照原始列顺序。 https://github.com/pythonicrubyist/creek

dullard 是另一个使用 nokogiri 的好方法。它超级快。在我的 Macbook Air 上的 21x11250 xlsx 表上使用了 6.7 秒。让它在 ruby​​ 2.0.0+ 上工作。每行的输出格式是一个数组： [“一个单元格”，“另一个单元格”] https://github.com/thirtyseven/dullard

刚才提到的simple_xlsx_reader 不错，就是有点慢。在我的 Macbook Air 上的 21x11250 xlsx 表上使用了 91 秒。让它在 ruby​​ 1.9.3+ 上工作。每行的输出格式是一个数组： [“一个单元格”，“另一个单元格”] https://github.com/woahdae/simple_xlsx_reader

另一个有趣的是oxcelix。它使用 ox 的 SAX 解析器，据说比 nokogiri 的 DOM 和 SAX 解析器都快。它应该输出一个矩阵。我无法让它工作。此外，rubyzip 存在一些依赖性问题。不推荐。

总之，小溪似乎是一个不错的选择。其他帖子推荐 simple_xlsx_parser，因为它具有类似的性能。

按照建议删除了 dullard，因为它已经过时并且人们会遇到错误/遇到问题。

Answer 5

如果您正在寻找更现代的库，请查看电子表格：http://spreadsheet.rubyforge.org/GUIDE_txt.html。 我不知道它是否支持 XLSX 文件，但考虑到它正在积极开发，我猜它支持（我不在 Windows 上，也没有 Office，所以我无法测试）。

此时，roo 似乎又是一个不错的选择。它支持 XLSX，仅通过使用 times 和单元格访问来允许（某些）迭代。我承认，虽然它并不漂亮。

此外，RubyXL 现在可以使用他们的extract_data 方法为您提供一种迭代，该方法为您提供一个二维数据数组，可以轻松地对其进行迭代。

或者，如果您尝试在 Windows 上使用 XLSX 文件，您可以使用 Ruby 的 Win32OLE 库，该库允许您与 OLE 对象进行交互，例如 Word 和 Excel 提供的对象。 但是，正如 @PanagiotisKanavos 在 cmets 中提到的那样，这有几个主要缺点：

• 必须安装 Excel
• 为每个文档启动一个新的 Excel 实例
• 内存和其他资源消耗远远超过简单的 XLSX 文档操作所需的资源。

但如果你选择使用它，你可以选择不显示 Excel，加载你的 XLSX 文件，然后通过它访问它。我不确定它是否支持迭代，但是，我认为围绕提供的方法构建不会太难，因为它是用于 Excel 的完整 Microsoft OLE API。 这是文档：http://support.microsoft.com/kb/222101 这是宝石：http://www.ruby-doc.org/stdlib-1.9.3/libdoc/win32ole/rdoc/WIN32OLE.html

同样，选项看起来并没有好多少，但恐怕没有太多其他选择。很难解析作为黑盒的文件格式。而那些设法打破它的少数人并没有那么明显地做到这一点。 Google Docs 是闭源的，LibreOffice 是几千行的 harry C++。

Answer 6

在过去的几周里，我一直在大量使用电子表格和 ruby​​XL，我必须说它们都是很棒的工具。然而，两者都受到影响的一个领域是缺乏实际实施任何有用的例子。目前我正在构建一个爬虫并使用 ruby​​XL 解析 xlsx 文件和电子表格以获取任何 xls。我希望下面的代码可以作为一个有用的示例，并展示这些工具的有效性。

require 'find'
require 'rubyXL'

count = 0

Find.find('/Users/Anconia/crawler/') do |file|             # begin iteration of each file of a specified directory
  if file =~ /\b.xlsx$\b/                                  # check if file is xlsx format
    workbook = RubyXL::Parser.parse(file).worksheets       # creates an object containing all worksheets of an excel workbook
    workbook.each do |worksheet|                           # begin iteration over each worksheet
      data = worksheet.extract_data.to_s                   # extract data of a given worksheet - must be converted to a string in order to match a regex
      if data =~ /regex/
        puts file
        count += 1
      end      
    end
  end
end

puts "#{count} files were found"

---

require 'find'
require 'spreadsheet'
Spreadsheet.client_encoding = 'UTF-8'

count = 0

Find.find('/Users/Anconia/crawler/') do |file|             # begin iteration of each file of a specified directory
  if file =~ /\b.xls$\b/                                   # check if a given file is xls format
    workbook =  Spreadsheet.open(file).worksheets          # creates an object containing all worksheets of an excel workbook
    workbook.each do |worksheet|                           # begin iteration over each worksheet
      worksheet.each do |row|                              # begin iteration over each row of a worksheet
        if row.to_s =~ /regex/                             # rows must be converted to strings in order to match the regex
          puts file
          count += 1
        end
      end
    end
  end
end

puts "#{count} files were found"

Answer 7

rubyXL gem 可以很好地解析 XLSX 文件。

Answer 8

我找不到令人满意的 xlsx 解析器。 RubyXL 不做日期类型转换，Roo 尝试将数字类型转换为日期，两者在 api 和代码中都是一团糟。

所以，我写了simple_xlsx_reader。但是，您必须为 xls 使用其他东西，所以这可能不是您要寻找的完整答案。

Answer 9

大多数在线示例（包括电子表格 gem 的作者网站）都演示了将 Excel 文件的全部内容读取到 RAM 中。如果您的电子表格很小，那很好。

xls = Spreadsheet.open(file_path)

对于处理非常大文件的任何人，更好的方法是流式读取文件的内容。电子表格 gem 支持这一点——尽管目前没有很好的记录（大约 3/2015）。

Spreadsheet.open(file_path).worksheets.first.rows do |row|
  # do something with the array of CSV data
end

引用：https://github.com/zdavatz/spreadsheet

Answer 10

RemoteTable library 在内部使用roo。它可以轻松阅读不同格式的电子表格（XLS、XLSX、CSV 等。可能是远程的，可能存储在 zip、gz 等中）：

require 'remote_table'
r = RemoteTable.new 'http://www.fueleconomy.gov/FEG/epadata/02data.zip', :filename => 'guide_jan28.xls'
r.each do |row|
  puts row.inspect
end

输出：

{"Class"=>"TWO SEATERS", "Manufacturer"=>"ACURA", "carline name"=>"NSX", "displ"=>"3.0", "cyl"=>"6.0", "trans"=>"Auto(S4)", "drv"=>"R", "bidx"=>"60.0", "cty"=>"17.0", "hwy"=>"24.0", "cmb"=>"20.0", "ucty"=>"19.1342", "uhwy"=>"30.2", "ucmb"=>"22.9121", "fl"=>"P", "G"=>"", "T"=>"", "S"=>"", "2pv"=>"", "2lv"=>"", "4pv"=>"", "4lv"=>"", "hpv"=>"", "hlv"=>"", "fcost"=>"1238.0", "eng dscr"=>"DOHC-VTEC", "trans dscr"=>"2MODE", "vpc"=>"4.0", "cls"=>"1.0"}
{"Class"=>"TWO SEATERS", "Manufacturer"=>"ACURA", "carline name"=>"NSX", "displ"=>"3.2", "cyl"=>"6.0", "trans"=>"Manual(M6)", "drv"=>"R", "bidx"=>"65.0", "cty"=>"17.0", "hwy"=>"24.0", "cmb"=>"19.0", "ucty"=>"18.7", "uhwy"=>"30.4", "ucmb"=>"22.6171", "fl"=>"P", "G"=>"", "T"=>"", "S"=>"", "2pv"=>"", "2lv"=>"", "4pv"=>"", "4lv"=>"", "hpv"=>"", "hlv"=>"", "fcost"=>"1302.0", "eng dscr"=>"DOHC-VTEC", "trans dscr"=>"", "vpc"=>"4.0", "cls"=>"1.0"}
{"Class"=>"TWO SEATERS", "Manufacturer"=>"ASTON MARTIN", "carline name"=>"ASTON MARTIN VANQUISH", "displ"=>"5.9", "cyl"=>"12.0", "trans"=>"Auto(S6)", "drv"=>"R", "bidx"=>"1.0", "cty"=>"12.0", "hwy"=>"19.0", "cmb"=>"14.0", "ucty"=>"13.55", "uhwy"=>"24.7", "ucmb"=>"17.015", "fl"=>"P", "G"=>"G", "T"=>"", "S"=>"", "2pv"=>"", "2lv"=>"", "4pv"=>"", "4lv"=>"", "hpv"=>"", "hlv"=>"", "fcost"=>"1651.0", "eng dscr"=>"GUZZLER", "trans dscr"=>"CLKUP", "vpc"=>"4.0", "cls"=>"1.0"}