如何使用 python xlrd 处理日语单词

Question

这是我的代码：

#!/usr/bin/python   
#-*-coding:utf-8-*-   

import xlrd,sys,re

data = xlrd.open_workbook('a.xls',encoding_override="utf-8")
a = data.sheets()[0]
s=''
for i in range(a.nrows):
    if 9<i<20:
        #stage
        print a.row_values(i)[1].decode('shift_jis')+'\n'

但它显示：

????
????????
??????
????
????
????
????????

那么我能做什么，

谢谢

Answer 1

背景：在“现代”(Excel 97-2003) XLS 文件中，文本实际上存储为 Unicode。在较旧的文件中，文本存储为 8 位字符串，“代码页”记录说明其编码方式，例如整数 1252 对应于 cp1252 或 windows-1252< 的编码。 /代码>。无论哪种情况，xlrd 都会将提取的文本呈现为 unicode 对象。

请将这一行插入您的代码中：

print data.biff_version, data.codepage, data.encoding

如果您有新文件，您应该看到

80 1200 utf_16_le

无论如何，请编辑您的问题以报告结果。

问题 1：仅当文件是旧文件并且您知道/怀疑代码页记录被省略或错误时才需要 encoding_override。如果文件是新文件，则忽略它。您真的知道该文件是 Excel-97 之前的版本并且文本采用 UTF-8 编码吗？如果是这样，它只能是由一些严重欺骗的第三方软件创建的，如果你尝试用Excel打开它，Excel就会崩溃；带着棒球棒拜访作者。否则，不要使用encoding_override。

问题 2：您应该拥有unicode 对象。要显示它们，您需要使用合适的编码将它们从 unicode 编码（不解码）为 str。令人惊讶的是 print unicode_object.decode('shift-jis') 没有引发异常并打印问号。

为了帮助理解这一点，请将您的代码更改为如下所示：

text = a.rowvalues(i)[1]
print i, repr(text)
print repr(text.decode('shift-jis'))

并报告结果。

这样我们就可以帮助您选择合适的编码（如果有），请告诉我们您正在使用的操作系统的版本，以及以下显示的内容：

print sys.stdout.encoding
import locale
print locale.getpreferredencoding()

进一步阅读：

（1）xlrd 文档（关于 Unicode 的部分，右上）前面）...包含在发行版中，或者获取最新提交

(2) Python Unicode HOWTO。

Answer 2

为什么你的编码没有覆盖开放的shift-jis？

data = xlrd.open_workbook('a.xls',encoding_override="shift-jis")

如果文件确实是 shift-JIS，则有很多代码点（坦率地说，几乎所有代码点）与有效的 UTF-8 代码点不重叠。如果您收到非法字符（？）并且您的文件实际上是 UTF-8 并且您想输出 Shift-JIS，我是否会建议您的输出 shell（用于打印 - 可能一个文件就可以了）无法处理编码。