使用Perl读取Excel文件

使用Perl读取Excel文件

1. 任务

    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:

    使用Perl读取Excel文件

    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。

    使用Perl读取Excel文件

    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)

    使用Perl读取Excel文件

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 -w




use 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:

    使用Perl读取Excel文件

    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。

    使用Perl读取Excel文件

    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 -w




use 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
;

        }

    }

}

<STDIN>;

    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:

    使用Perl读取Excel文件

    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:

     使用Perl读取Excel文件

     从第7行到14635行,刚好14629行。

7. 文件

    /Files/pangxiaodong/LearningPerl/Perl读取EXCEL词典文件.zip

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/110481.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • 程序员必备的 4 款录屏工具,免费无广告!

    程序员必备的 4 款录屏工具,免费无广告!公众号关注“GitHubDaily”设为“星标”,每天带你逛GitHub!大家好,我是小G。今天给大家介绍四款在电脑端超级好用录屏软件,学习和工作、录游戏的时候再也不愁找不到好用…

  • java变量设置_如何正确的配置JAVA环境变量

    java变量设置_如何正确的配置JAVA环境变量原创:YiKiA2Data什么是环境变量?环境变量是在操作系统中一个具有特定名字的对象,它包含了一个或者多个应用程序所将使用到的信息。为什么要配置环境变量?为了方便在控制台编译和运行java程序,不必进入到java的程序目录里面去运行。这样你放在任何目录下的java程序文件都可以编译运行,而不是必须把这个程序文件放在java.exe和javac.exe所在的目录下。什么是JAVA_HOME…

  • ui 设计工具_前端设计工具

    ui 设计工具_前端设计工具这篇文章要与大家分享的都是一些很棒的免费UI设计工具和资源,有Web开发方面的,也有移动开发方面的,非常丰富,相信你能从中发现有用的资源。记得推荐一下哦:)ALLInOneWebElemen

  • 利用ffmpeg制作gif图[通俗易懂]

    利用ffmpeg制作gif图[通俗易懂]由于老师安排的作业有需求,这里就记录一下利用ffmpeg制作gif图1.确保ffmpeg安装运行会显示版本号:ffmpeg-version没有安装的话先安装:sudoapt-repositoryppa:kirillshkrogalev/ffmpeg-nextsudoapt-getupdatesudoapt-getinstallffmpegffmpeg-ve…

    2022年10月30日
  • 深入浅出玩转php一句话(含过waf新姿势)

    深入浅出玩转php一句话(含过waf新姿势)本帖最后由sucppVK于2017-1-914:39编辑一、前言本文原创作者:XXX,本文属i春秋原创奖励计划,未经许可禁止转载!各个论坛出了不少过waf的一句话可笔者见还是有不少小白没有理解一句话(只知道是拿来链接菜刀)今天打算做一篇面向初学者的教程,总结知识点,抛砖引玉。让小白从彻底理解马的含义,到打造属于自己过waf的马。—-

  • Golang洗牌算法「建议收藏」

    Golang洗牌算法「建议收藏」简介主要思路为每次随机挑选一个值,放在数组末尾。然后在n-1个元素的数组中再随机挑选一个值,放在数组末尾,以此类推。注意,一定要设置随机种子,否则每次返回的值是一样的。codefuncshuffle(nums[]int)[]int{ rand.Seed(time.Now().UTC().UnixNano()) fori:=len(nums);i>0;i–{…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号