我的Perl脚本如何确定Excel文件是XLS还是XLSX格式？

我有一个Perl脚本，它从Excel（xls）二进制文件读取数据。但是，向我们发送这些文件的客户端有时已经开始发送XLSX格式的文件。我已经更新了脚本以便能够阅读这些脚本。但是，客户端有时候喜欢用.xls扩展名来命名XLSX文件，该扩展名目前混淆了我的脚本，因为它使用文件名来确定它是哪种文件类型。我的Perl脚本如何确定Excel文件是XLS还是XLSX格式？

XLSX文件是一个包含XML内容的zip文件。有没有一种简单的方法让我的脚本查看文件并告诉它是否是zip文件？如果是这样，我可以让我的脚本，而不仅仅是文件名。

来源

2010-10-27 DaveKub

的.xlsx文件的前2个字节为“PK”，所以第2个字符的简单的开放和考试就行了。

来源

2010-10-27 18:22:00

更具体地说，前4个字节是'“PK \ 003 \ 004”'。 – cjm 2010-10-27 18:32:36

虽然这可能适用于特定应用程序生成的所有.xlsx文件，但ZIP文件格式并不要求 - 请参阅http://en.wikipedia.org/wiki/Zip_file#Structure。 – 2010-10-27 18:33:27

是的！这正是我所希望的;一个快速简便的方法来检查一个文件，最好不用另一个模块。谢谢！ – DaveKub 2010-10-27 18:53:11

-2

我不能说Perl，但是我使用.Net的框架，有很多库可用来操纵你可以使用的zip文件。

另一件我见过人们使用的是WinZip的命令行版本。它给出了一个返回值，当文件被解压缩时为0，并且在出现错误时为非零值。

这可能不是实现这一目标的最佳方式，但它是一个开始。

来源

2010-10-27 18:13:59

使用File::Type：

my $file = "foo.zip"; 
my $filetype = File::Type->new(); 

if($filetype->mime_type($file) eq 'application/zip') { 
    # File is a zip archive. 
    ... 
}

我只是一个.xlsx文件进行了测试，并mime_type()返回application/zip。同样，对于.xls文件，mime_type()是application/octet-stream。

来源

2010-10-27 18:16:16 CanSpice

编辑：归档:: Zip是一个更好的

solution 
# Read a Zip file 
    my $somezip = Archive::Zip->new(); 
    unless ($somezip->read('someZip.zip') == AZ_OK) { 
     die 'read error'; 
    }

来源

2010-10-27 18:19:24 weismat

+1始终首先检查CPAN :) – Konerak 2010-10-27 18:21:30

这不起作用 - 它使用文件名后缀来确定文件类型，请参阅http://search.cpan.org/~bingos/Archive-Extract-0.46/ lib/Archive/Extract.pm。我对此表示赞成，但已经太晚了，我无法取消我的投票。 – 2010-10-27 18:30:48

是的，可以通过检查magic number。

Perl中有相当多的模块用于检查文件中的magic number。

使用File::LibMagic一个例子：

use strict; 
use warnings; 

use File::LibMagic; 

my $lm = File::LibMagic->new(); 

if ($lm->checktype_filename($filename) eq 'application/zip; charset=binary') { 
    # XLSX format 
} 
elsif ($lm->checktype_filename($filename) eq 'application/vnd.ms-office; charset=binary') { 
    # XLS format 
}

另一个例子，使用File::Type：

use strict; 
use warnings; 

use File::Type; 

my $ft = File::Type->new(); 

if ($ft->mime_type($file) eq 'application/zip') { 
    # XLSX format 
} 
else { 
    # probably XLS format 
}

来源

2010-10-27 18:22:48

File :: Type是一个相当大的模块。既然你只对一种文件类型感兴趣，我可能会从那里复制测试。它只是检查文件的前4个字节是否是“PK \ 003 \ 004”'。 – cjm 2010-10-27 18:34:22

用于libmagic的+1。下一个版本将包含许多针对zip衍生文件类型的改进，请参阅[邮件列表存档]（http://mx.gw.com/pipermail/file/2010/thread.html）。 – daxim 2010-10-27 20:19:22

您可以通过检查Excel的头文件的第一个字节检测xls文件。

有效的早期Excel标题的列表可以从这里得到了（除非你知道自己的Excel的确切版本，请检查所有适用的可能性）：

http://toorcon.techpathways.com/uploads/headersig.txt

拉链头都在这里描述：http://en.wikipedia.org/wiki/ZIP_(file_format)#File_headers 但我不确定.xlsx文件是否具有相同的标题。

File :: Type的逻辑似乎是“PK \ 003 \ 004”作为决定zip文件的文件头...但我不确定该逻辑是否可以像.xlsx一样工作，要测试的文件。

来源

2010-10-27 18:26:12 DVK

-1

The-Evil-MacBook:~ ivucica$ file --mime-type --brief file.zip 
application/zip

因此，可能比较

`file --mime-type --brief $filename`

与application/zip会做的检测拉链的伎俩。当然，你需要安装file，这在UNIX系统上是很常见的。恐怕我无法提供Perl示例，因为所有关于Perl的知识都从我的记忆中消失了，我手边没有任何示例。

来源

2010-10-27 18:32:06

我的Perl脚本如何确定Excel文件是XLS还是XLSX格式？

回答

相关问题