### 使用 Python 的 `zipfile` 模块解压并读取 Excel 文件中的所有数据 虽然 `zipfile` 是用于处理 ZIP 归档文件的模块，但它本身并不具备直接解析 Excel 文件的功能。然而，现代 `.xlsx` 文件实际上是以 ZIP 格式封装的一组 XML 文件集合。因此，可以使用 `zipfile` 模块解压 `.xlsx` 文件，并进一步通过其他工具（如 `xml.etree.ElementTree` 或专门的库如 `openpyxl`）来解析其中的内容。 以下是完整的实现过程： --- #### 步骤 1：解压 `.xlsx` 文件 `.xlsx` 文件本质上是一个 ZIP 文件，内部包含了多个 XML 文件和其他资源文件。可以通过 `zipfile` 模块将其解压到临时目录中。 ```python import zipfile import os from xml.etree import ElementTree as ET # 创建一个临时目录用来保存解压后的文件 temp_dir = "temp_xlsx" if not os.path.exists(temp_dir): os.makedirs(temp_dir) # 解压 .xlsx 文件 with zipfile.ZipFile("example.xlsx", 'r') as zip_ref: zip_ref.extractall(temp_dir) ``` 这段代码会将名为 `example.xlsx` 的文件解压到当前工作目录下的 `temp_xlsx` 文件夹中[^1]。 --- #### 步骤 2：定位共享字符串和工作表文件 在 `.xlsx` 文件结构中： - 工作表通常位于 `/xl/worksheets/sheetX.xml` （例如 `sheet1.xml`, `sheet2.xml` 等）。 - 共享字符串存储在 `/xl/sharedStrings.xml` 中。 以下是如何找到这些文件的位置： ```python shared_strings_path = os.path.join(temp_dir, "xl", "sharedStrings.xml") workbook_rels_path = os.path.join(temp_dir, "xl", "_rels", "workbook.xml.rels") # 获取所有工作表的路径 sheets_folder = os.path.join(temp_dir, "xl", "worksheets") sheet_files = [os.path.join(sheets_folder, f) for f in os.listdir(sheets_folder) if f.startswith("sheet") and f.endswith(".xml")] ``` --- #### 步骤 3：解析共享字符串 共享字符串是 `.xlsx` 文件中的一种优化机制，它允许重复使用的单元格值仅存储一次。需要先解析 `sharedStrings.xml` 文件以获取这些值。 ```python def parse_shared_strings(shared_strings_file): shared_strings = [] tree = ET.parse(shared_strings_file) root = tree.getroot() namespace = "{http://schemas.openxmlformats.org/spreadsheetml/2006/main}" for si in root.findall(f"{namespace}si"): text_node = si.find(f".//{namespace}t") if text_node is not None: shared_strings.append(text_node.text or "") else: shared_strings.append("") return shared_strings shared_strings_list = parse_shared_strings(shared_strings_path) ``` --- #### 步骤 4：解析工作表内容 每个工作表文件（如 `sheet1.xml`）包含该工作表的实际数据。需要解析这些文件并将索引映射回共享字符串列表。 ```python def parse_worksheet(worksheet_file, shared_strings): data = [] tree = ET.parse(worksheet_file) root = tree.getroot() namespace = "{http://schemas.openxmlformats.org/spreadsheetml/2006/main}" sheet_data = root.find(f"{namespace}sheetData") for row in sheet_data.findall(f"{namespace}row"): row_data = [] for cell in row.findall(f"{namespace}c"): cell_value = "" if cell.attrib["t"] == "s": # 表明这是共享字符串类型的单元格 idx = int(cell.find(f"{namespace}v").text) cell_value = shared_strings[idx] elif cell.find(f"{namespace}v") is not None: # 数字类型单元格 cell_value = cell.find(f"{namespace}v").text row_data.append(cell_value) data.append(row_data) return data for sheet_file in sheet_files: worksheet_data = parse_worksheet(sheet_file, shared_strings_list) print(f"Parsed Data from {sheet_file}:") for row in worksheet_data[:5]: # 显示前五行作为示例 print(row) ``` --- #### 清理临时文件 完成解析后，建议清理掉创建的临时目录以释放磁盘空间。 ```python shutil.rmtree(temp_dir) ``` --- ### 总结说明 以上方法展示了如何利用 `zipfile` 模块配合 XML 解析技术手动读取 `.xlsx` 文件中的数据。尽管这种方法提供了对底层文件结构的理解，但在实际生产环境中推荐优先使用成熟的库（如 `openpyxl`），因为它们已经解决了许多潜在的问题，例如兼容性和性能优化[^4]。 ---