在日常工作中，我们经常会遇到因文件损坏或格式问题无法打开的 Excel 文件。尤其是 .xls 格式的旧版 Excel 文件，在某些情况下可能由于损坏、格式不兼容或其他原因，导致无法通过常规方式读取和处理。本文将分享一种通过 Python 程序解决损坏的 Excel 文件格式问题的办法——即使文件损坏，我们也可以通过复制文件内容到新的 Excel 文件中，从而避免数据丢失。
问题背景
您可能会遇到以下情况：
- 使用 Excel 打开某些
.xls文件时提示“文件格式不受支持”或“文件损坏”。 - 使用 Python 程序读取
.xls文件时，报错如Unsupported format, or corrupt file: Expected BOF record。
这些错误通常是由于文件损坏，或者由于 pandas 和 openpyxl 等库不支持老旧的 .xls 文件格式。
解决方案：通过 COM 自动化打开 Excel 文件
在这种情况下，我们可以通过使用 win32com 库与 Excel 应用进行交互，利用 Excel 本身的功能打开、读取、复制和保存文件。即使文件损坏，我们也可以尝试提取其中的内容，并将其复制到新的 .xlsx 文件中。
1. 安装 pywin32 库
首先，确保安装了 pywin32 库，这样我们可以通过 COM 自动化控制 Excel。可以通过以下命令安装：
pip install pywin32
2. 代码实现：读取文件内容并复制到新的 Excel 文件
我们将编写一个 Python 脚本，使用 win32com.client 来控制 Excel，实现以下功能：
- 打开损坏的
.xls文件。 - 复制文件中的内容（不需要关心原文件格式）。
- 将内容保存到一个新的
.xlsx文件中。
import os
import win32com.clientdef convert_xls_to_xlsx(input_dir, output_dir):excel = win32com.client.Dispatch("Excel.Application")excel.Visible = False # 不显示窗口excel.DisplayAlerts = False # 禁用警告弹窗os.makedirs(output_dir, exist_ok=True)for filename in os.listdir(input_dir):if filename.lower().endswith('.xls'):clean_filename = remove_specific_text(filename)# 构建新的路径input_path = os.path.abspath(os.path.join(input_dir, filename))output_path = os.path.abspath(os.path.join(output_dir, clean_filename.replace('.xls', '.xlsx')))try:# 打开 .xls 文件wb = excel.Workbooks.Open(input_path)# 创建一个新的 .xlsx 文件new_wb = excel.Workbooks.Add()for sheet_index in range(wb.Sheets.Count):sheet = wb.Sheets(sheet_index + 1) # 获取工作表new_sheet = new_wb.Sheets.Add() # 新建一个工作表# 设置新工作表的名称new_sheet.Name = sheet.Name# 将原工作表的内容复制到新工作表sheet.UsedRange.Copy()new_sheet.Paste()# 保存新的文件new_wb.SaveAs(output_path, FileFormat=51) # 51 是 .xlsx 格式new_wb.Close()wb.Close()print(f"Converted: {input_path} -> {output_path}")except Exception as e:print(f"Error converting {input_path}: {e}")excel.Quit()input_dir = "./C_1"
output_dir = "./C_x"
convert_xls_to_xlsx(input_dir, output_dir)
3. 代码解释：
-
移除文件名中的特定文本：
我们通过remove_specific_text()函数将文件名中的"全部Ａ股"文本去除。这可以确保文件名保持干净，避免中文字符干扰后续处理。 -
使用 Excel COM 接口打开文件：
通过excel.Workbooks.Open(input_path)打开 Excel 文件，无论文件是否损坏，Excel 本身都能尝试打开它并读取内容。 -
复制工作表内容：
我们通过遍历原文件的所有工作表，将每个工作表的内容（包括数据和格式）复制到新建的.xlsx文件中。每个工作表通过sheet.UsedRange.Copy()方法进行复制，然后粘贴到新文件中。 -
保存新文件：
最后，我们使用new_wb.SaveAs(output_path, FileFormat=51)将新文件保存为.xlsx格式。FileFormat=51表示保存为 Excel 2007 或更高版本的.xlsx文件。 -
禁用警告弹窗：
为避免出现 Excel 提示粘贴板内容过大的警告，我们将excel.DisplayAlerts = False以禁用所有警告弹窗。
4. 处理文件名
在上面的代码中，我们还添加了 remove_specific_text() 函数，它将文件名中的 "全部Ａ股" 删除。这是因为有时我们希望去除文件名中的特定字符（例如中文字符），以便文件名更加简洁。
5. 运行效果：
- 输入：
全部Ａ股20240426_C.xls - 输出：
20240426_C.xlsx，内容被成功复制并保存为新的.xlsx文件。
即使原始 .xls 文件损坏或无法打开，程序也能够提取出其中的内容，并将其保存为新的 .xlsx 文件，避免了数据丢失。
总结
通过 Python 脚本结合 Excel 的 COM 接口，我们能够有效地读取损坏的 .xls 文件，提取其内容，并将其保存为新的 .xlsx 格式文件。这种方法对于大批量处理损坏的 Excel 文件非常有效，避免了人工操作的繁琐，并保证了数据的完整性。
这种解决方案适用于需要修复损坏的 .xls 文件或在格式不兼容的情况下提取内容的场景。希望本文提供的解决方案能够帮助您解决类似问题，提升工作效率。