Python脚本读取一个目录中的多个excel文件并将它们转换为另一个目录中的.csv文件

Question

我对 python 和 Stackoverflow 比较陌生，但希望任何人都可以对我当前的问题有所了解。我有一个 python 脚本，它从一个目录获取 excel 文件(.xls 和 .xlsx)并将它们转换为 .csv 文件到另一个目录。它在我的示例 excel 文件(由 4 列和 1 行组成，用于测试目的)上工作得非常好，但是当我尝试针对具有 excel 文件的不同目录(文件大小更大)运行我的脚本时，我得到断言错误。我附上了我的代码和错误。期待对这个问题有一些指导。谢谢!

import os
import pandas as pd

source = "C:/.../TestFolder"
output = "C:/.../OutputCSV"

dir_list = os.listdir(source)

os.chdir(source)

for i in range(len(dir_list)):
    filename = dir_list[i]
    book = pd.ExcelFile(filename)

    #writing to csv
    if filename.endswith('.xlsx') or filename.endswith('.xls'):
        for i in range(len(book.sheet_names)):
            df = pd.read_excel(book, book.sheet_names[i])

            os.chdir(output)

            new_name = filename.split('.')[0] + str(book.sheet_names[i])+'.csv'
            df.to_csv(new_name, index = False)

        os.chdir(source)

print "New files: ", os.listdir(output)

Answer 1

由于您使用 Windows，因此请考虑使用 Jet/ACE SQL 引擎(Windows .dll 文件)来查询 Excel 工作簿并导出为 CSV 文件，从而绕过使用 pandas 数据帧加载/导出的需要。

具体来说，使用 pyodbc要与 Excel 文件建立 ODBC 连接，请遍历每个工作表并使用 SELECT * INTO ... 导出到 csv 文件SQL Action 查询。 openpyxl模块用于检索工作表名称。下面的脚本不依赖于相对路径，因此可以从任何地方运行。假设每个 Excel 文件都有完整的标题列(顶行已用范围内没有丢失单元格)。

import os
import pyodbc
from openpyxl import load_workbook

source = "C:/Path/To/TestFolder"
output = "C:/Path/To/OutputCSV"

dir_list = os.listdir(source)

for xlfile in dir_list:
    strfile = os.path.join(source, xlfile)

    if strfile.endswith('.xlsx') or strfile.endswith('.xls'):
        # CONNECT TO WORKBOOK
        conn = pyodbc.connect(r'Driver={Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)};' + \
                               'DBQ={};'.format(strfile), autocommit=True)
        # RETRIEVE WORKBOOK SHEETS
        sheets = load_workbook(filename = strfile, use_iterators = True).get_sheet_names()

        # ITERATIVELY EXPORT SHEETS TO CSV IN OUTPUT FOLDER
        for s in sheets:
            outfile = os.path.join(output, '{0}_{1}.csv'.format(xlfile.split('.')[0], s))
            if os.path.exists(outfile): os.remove(outfile)

            strSQL = " SELECT * " + \
                     " INTO [text;HDR=Yes;Database={0};CharacterSet=65001].[{1}]" + \
                     " FROM [{2}$]"            
            conn.execute(strSQL.format(output, os.path.basename(outfile, s))
        conn.close()

**注意:此过程会创建一个 schema.ini与每次迭代连接的文件。可以删除。