perl-Spreadsheet-ReadSXC

Spreadsheet::ReadSXC extrahiert Daten aus OpenOffice-1.x-Tabellendateien (.sxc). Es exportiert die Funktion read_sxc(), die einen Dateinamen und eine optionale Referenz auf einen Hash von Optionen als Argumente nimmt und eine Referenz auf einen Hash von Referenzen auf zweidimensionale Arrays zurückgibt. Die Hash-Schlüssel entsprechen den Namen der Arbeitsblätter in der OpenOffice-Arbeitsmappe. Die zweidimensionalen Arrays entsprechen Zeilen und Zellen in den jeweiligen Tabellen. Wenn Ihnen das nicht gefällt, weil die Reihenfolge der Blätter in einem Hash nicht erhalten bleibt, lesen Sie weiter. Die Option 'OrderBySheet' liefert stattdessen ein Array von Hashes. Wenn Sie die .sxc-Datei selbst entpacken möchten, können Sie stattdessen die Funktion read_xml_file() verwenden und den Pfad zu content.xml als Argument übergeben. Oder Sie können die XML-Zeichenkette aus content.xml extrahieren und die Zeichenkette an die Funktion read_xml_string() übergeben. Beide Funktionen nehmen auch eine Referenz auf einen Hash von Optionen als optionales zweites Argument. Spreadsheet::ReadSXC verwendet XML::Twig zum Parsen des in .sxc-Dateien enthaltenen XML. Nur die Inhalte von text:p-Elementen werden zurückgegeben, nicht die tatsächlichen Werte von table:value-Attributen. Zum Beispiel könnte eine Zelle ein table:value-type-Attribut von "currency", ein table:value-Attribut von "-1500.99" und ein table:currency-Attribut von "USD" haben. Das text:p-Element würde "-$1,500.99" enthalten. Dies ist die Zeichenkette, die von der Funktion read_sxc() zurückgegeben wird, nicht der Wert -1500.99. Spreadsheet::ReadSXC wurde mit dem Datenimport in eine SQL-Datenbank im Sinn geschrieben. Daher entsprechen leere Tabellenzellen undef-Werten in Array-Zeilen. Der Beispielcode oben zeigt, wie man undef-Werte durch leere Zeichenketten ersetzt. Wenn die .sxc-Datei eine leere Tabelle enthält, zeigt ihr Hash-Element auf ein leeres Array (es sei denn, Sie verwenden die Option 'NoTruncate', in diesem Fall zeigt es auf ein Array eines Arrays, das ein undefiniertes Element enthält). OpenOffice verwendet UTF-8-Kodierung. Es hängt von Ihrer Umgebung ab, wie die vom XML-Parser zurückgegebenen Daten am besten behandelt werden: use Unicode::String qw(latin1 utf8); $unicode_string = utf8($$workbook_ref{"Sheet1"}[0][0])->as_string; $latin1_string = utf8($$workbook_ref{"Sheet1"}[0][0])->latin1; Natürlich gibt es auf CPAN andere Module als Unicode::String, die die Konvertierung zwischen Kodierungen handhaben. Es ist Ihre Wahl. Tabellenzeilen in .sxc-Dateien können ein Attribut "table:number-rows-repeated" haben, das oft für aufeinanderfolgende leere Zeilen verwendet wird. Wenn Sie ganze Zeilen und/oder Spalten in OpenOffice formatieren, setzt es die Anzahl der Zeilen in einem Arbeitsblatt auf 32.000 und die Anzahl der Spalten auf 256, auch wenn nur wenige niedriger nummerierte Zeilen und Zellen tatsächlich Daten enthalten. Spreadsheet::ReadSXC kürzt solche Blätter so, dass keine leeren Zeilen nach der letzten Zeile mit Daten und keine leeren Spalten nach der letzten Spalte mit Daten vorhanden sind (es sei denn, Sie verwenden die Option 'NoTruncate'). Dennoch ist es vollkommen legal für eine .sxc-Datei, das Attribut "table:number-rows-repeated" auf Zeilen anzuwenden, die tatsächlich Daten enthalten (obwohl ich solche Dateien nur manuell erzeugen konnte, nicht durch OpenOffice selbst). Um in diesen Fällen den Speicherverbrauch zu senken, kopiert Spreadsheet::ReadSXC Zeilen nicht by value, sondern by reference (denken Sie daran, dass mehrdimensionale Arrays in Perl eigentlich Arrays von Referenzen auf Arrays sind). Wenn Sie daher einen Wert in einer Zeile ändern, ist es möglich, dass Sie den entsprechenden Wert in der nächsten Zeile ebenfalls geändert finden: $$workbook_ref{"Sheet1"}[0][0] = 'new string'; print $$workbook_ref{"Sheet1"}[1][0]; Ab Version 0.20 bleiben die von read_sxc() et al. zurückgegebenen Referenzen nach nachfolgenden Aufrufen derselben Funktion gültig. In früheren Versionen würde der Aufruf von read_sxc() mit einer anderen Datei als Argument die von dem ursprünglichen Rückgabewert referenzierten Daten ändern, sodass Sie ihn vor einem weiteren Aufruf dereferenzieren mussten. Dank an H. Merijn Brand für die Behebung.