读取/解析XLSX文件，保留字体

1 人关注

是否有一个Perl模块/程序/方法，可以在Linux中读取XLSX文件中具有字体格式的文本？

它不一定是Perl，但Perl是我最熟悉的，所以Perl最好。

例如，一个单细胞可能会说。

King Kong 是我最喜欢的书。我喜欢它多于 1984 .

我读了一堆帖子，下载了一堆perl模块和样本，但它们都是简单地提取文本。我真的很想保留格式化。

linux

excel

perl

hymie

发布于 2015-02-01

1 个回答

Sobrique

发布于 2015-02-03

已采纳

0 人赞同

为了读取XLSX文件，你需要掌握 Win32::OLE 。- 这是一个有点痛苦的过程，但也不是不可能。

微软提供了一些示例代码。 http://support.microsoft.com/kb/214797

但在从电子表格读取的基本水平上，你需要类似的东西。

use strict;
use warnings;
use Data::Dumper;
use Win32::OLE;
use Win32::OLE::Const 'Microsoft Excel';
my $excelfile = 'Book1.xlsx';
my $Excel = Win32::OLE->new('Excel.Application');
my $Book  = $Excel->Workbooks->Open($excelfile);
my $Sheet = $Book->Worksheets("Sheet1");
print $Sheet->Range("a2")->{Value}, "\n";
my $cell = $Sheet->Range("a2");
foreach my $key ( keys %$cell ) {
    print "$key, ", $cell->{$key} ? $cell->{$key} : 0, "\n";
I think you'll be needing:
Font, Win32::OLE=HASH(0x1b2720c)
foreach my $key ( keys %{$cell->{Font}} ) {
    print "$key, ", $cell->{Font}->{$key} ? $cell->{Font}->{$key} : 0, "\n";
这将告诉你整个单元格是否为斜体。(或粗体，或其他)。我还没有挖出那个可以告诉你子串是否被格式化的元素。
编辑：不对，我看不到任何 "子单元格 "的格式，但显然它可以 be done. 
有了额外的细节--它是Linux。
替换代码0】不是一个选项--那是一个简单的方法，因为它使Excel "自动化"（与VB使用的机制相同）。
然而，XLSX的一个优点是，它实际上是一种基于XML的存档格式。
So something like this might work:
#!/usr/bin/perl
use strict;
use warnings;
use Archive::Zip;
use XML::Twig;
my $archive = Archive::Zip -> new ();
$archive -> read ( 'Book1.xlsx' );
my $thing = $archive -> memberNamed('xl/sharedStrings.xml');
print $thing -> contents();
my $parser = XML::Twig -> new( pretty_print => 'indented' ) -> parse ( $thing -> contents() );
$parser -> print;
现在，这有点粗糙，因为它将直接转储XML。Ithink格式化后的每个 "单元格 "都是<si>元素。
So you 可以 do: