解决Excel文件格式损坏问题：如何通过程序读取并复制内容

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.client

def 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。