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)
blank

相关推荐

  • idea20212破解激活 重启未生效(已测有效)

    idea20212破解激活 重启未生效(已测有效),https://javaforall.cn/100143.html。详细ieda激活码不妨到全栈程序员必看教程网一起来了解一下吧!

  • 最小生成树的个数_最小生成树的两种算法

    最小生成树的个数_最小生成树的两种算法给定一张 N 个点 M 条边的无向图,求无向图的严格次小生成树。设最小生成树的边权之和为 sum,严格次小生成树就是指边权之和大于 sum 的生成树中最小的一个。输入格式第一行包含两个整数 N 和 M。接下来 M 行,每行包含三个整数 x,y,z,表示点 x 和点 y 之前存在一条边,边的权值为 z。输出格式包含一行,仅一个数,表示严格次小生成树的边权和。(数据保证必定存在严格次小生成树)数据范围N≤105,M≤3×105输入样例:5 61 2 11 3 22 4 33 5 4

  • hdu 1286 (欧拉函数)

    hdu 1286 (欧拉函数)

  • Java集合List转树结构工具类[通俗易懂]

    Java集合List转树结构工具类[通俗易懂]业务场景:菜单树、组织架构树…..前端要求数据结构为树结构,而后端查出来的是一条一条的数据集,每次都要各种递归遍历很麻烦,特此写了一个工具类来解决.三个注解:importjava.lang.annotation.ElementType;importjava.lang.annotation.Retention;importjava.lang.annotation.RetentionPolicy;importjava.lang.annotation.Target;/***@a

  • 开放6379端口

    开放6379端口开放6379端口/sbin/iptables-IINPUT-ptcp–dport6379-jACCEPT保存配置/etc/rc.d/init.d/iptablessave转载于:https://www.cnblogs.com/itniwota/p/9138347.html

  • vue删除数组中指定元素_如何删除数组中的元素

    vue删除数组中指定元素_如何删除数组中的元素vue删除数组中指定的元素exportdefault{ data(){ return{ mpList:[‘测试一’,’测试二’,’测试三’] } }, methods:{ del(item){ letlistVar=newArray for(leti=0;i<this.mpList.length;i++){ listVar.push(this.mpList) if(this.mpList[i]==item){

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