首页 > 解决方案 > 如何使用python从excel中的特定列中提取不可见的评论

问题描述

数据:我有一个相当大的 20 列以上的 excel 文件。每个单元格都包含注释。

预期目标:我正在尝试 从第一行到最后一行读取名为“引擎”的列 M中的所有评论。

期望的输出:我想提取列 M中的所有评论并将它们保存在列表或熊猫数据框中。

以下是我在阅读其他人的帖子后尝试的内容:

# load the worksheet for interation
from win32com.client import Dispatch
xlApp = Dispatch("Excel.Application")
workbook = xlApp.Workbooks.Open('My_large_data_file.xls')
worksheet = workbook.Sheets('Mysheet')


# get the row counts for iteration
from openpyxl import load_workbook
wb = load_workbook('My_large_data_file.xls', read_only=True)
sheet = wb.get_sheet_by_name('Mysheet')
row_count = sheet.max_row

comments = []
# iteration
for i in range(2, row_count + 1): # first row is column names
    print(i)
    comment = worksheet.Cells(i, 13).Comment.Text() # Column M = #13
    comments.append(comment)

但是,此方法仅适用于默认情况下注释可见的单元格。如果单元格的注释不可见,则将其读取为 NoneType。然后我得到这样的错误:

Traceback (most recent call last):

  File "<ipython-input-64-dead2ed27460>", line 5, in <module>
    comment = worksheet.Cells(i, 13).Comment.Text() # Column M = #13

AttributeError: 'NoneType' object has no attribute 'Text'

问题

1)如何设置所有单元格的评论可见以便我可以提取它们?我不确定它是否需要在 python 中应用一些 VBA 代码。

2)我目前的代码效率不高。特别是我正在处理 60 多个这样的 excel 文件,每个文件包含 70000 多行。有什么改进的建议吗?

提前致谢!

#####################################

excel文件中有几种注释状态:

  1. 完全隐藏,没有指示符 - (双击触发评论显示)
  2. 用红色指示器隐藏 - (鼠标悬停触发评论显示)
  3. 显示。

worksheet.Cells(i, j).Comment.Text()

此方法适用于 #2 和 #3 情况。但它不适用于没有指示器情况下隐藏的#1。

标签: pythonexcelopenpyxlpywin32win32com

解决方案


如评论中所述,我无法重现您提到的有关隐藏评论的问题,因此我无法对此发表评论。但是,无论如何,下面的方法很可能只是解决这个问题。

关于性能,您可以尝试的一件事是完全避免 COM 的开销,因为openpyxl实际上有您需要的一切。

因此,您可以执行以下操作:

from openpyxl import load_workbook
wb = load_workbook('My_large_data_file.xls')
sheet = wb.get_sheet_by_name('Mysheet')
comments = [c.comment.text for c in sheet['M'][1:]]

在性能方面,这应该会给您带来几个数量级的结果,如下面的 1000 行比较所示:

In [64]: %timeit [c.comment.text for c in sheet['M'][1:1000]]
1.31 ms ± 25.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [72]: %timeit [worksheet.Cells(i, 13).Comment.Text() for i in range(2, 1000)]
1.7 s ± 330 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

这里的不同之处在于openpyxl直接解析 Excel 文件,这win32com依赖于将所有内容分派到 Excel 进程。走这openpyxl条路,你当然会失去 COM 的全部力量,但你可能会发现只有当它是唯一的选择时才有意义。在这里,除了获得大量速度之外,您还不必在脚本旁边运行 Excel 进程(实际上,您甚至根本不需要安装 Excel),这具有使您的脚本更多的额外好处更可测试。


推荐阅读