perl-Spreadsheet-ReadSXC

Spreadsheet::ReadSXC extrai dados de ficheiros de folhas de cálculo OpenOffice 1.x (.sxc). Exporta a função read_sxc() que recebe um nome de ficheiro e uma referência opcional a um hash de opções como argumentos e devolve uma referência a um hash de referências a arrays bidimensionais. As chaves do hash correspondem aos nomes das folhas de cálculo no livro de trabalho OpenOffice. Os arrays bidimensionais correspondem a linhas e células nas respetivas folhas de cálculo. Se não gostar disto porque a ordem das folhas não é preservada num hash, continue a ler. A opção 'OrderBySheet' fornece um array de hashes em alternativa. Se preferir descompactar o ficheiro .sxc você mesmo, pode usar a função read_xml_file() em vez disso e passar o caminho para content.xml como argumento. Ou pode extrair a string XML de content.xml e passar a string à função read_xml_string(). Ambas as funções também aceitam uma referência a um hash de opções como segundo argumento opcional. Spreadsheet::ReadSXC usa XML::Twig para analisar o XML contido em ficheiros .sxc. Apenas os conteúdos dos elementos text:p são devolvidos, não os valores reais dos atributos table:value. Por exemplo, uma célula pode ter um atributo table:value-type de "currency", um atributo table:value de "-1500.99" e um atributo table:currency de "USD". O elemento text:p conteria "-$1,500.99". Esta é a string devolvida pela função read_sxc(), não o valor de -1500.99. Spreadsheet::ReadSXC foi escrito com a importação de dados para uma base de dados SQL em mente. Portanto células vazias da folha de cálculo correspondem a valores undef nas linhas do array. O código de exemplo acima mostra como substituir valores undef por strings vazias. Se o ficheiro .sxc contiver uma folha de cálculo vazia, o seu elemento hash apontará para um array vazio (a menos que use a opção 'NoTruncate', caso em que apontará para um array de um array contendo um elemento indefinido). OpenOffice usa codificação UTF-8. Depende do seu ambiente como os dados devolvidos pelo analisador XML são melhor tratados: 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; Claro que há outros módulos além de Unicode::String no CPAN que tratam da conversão entre codificações. É a sua escolha. As linhas de tabela em ficheiros .sxc podem ter um atributo "table:number-rows-repeated", que é frequentemente usado para linhas vazias consecutivas. Quando formata linhas e/ou colunas inteiras no OpenOffice, este define o número de linhas numa folha de cálculo para 32.000 e o número de colunas para 256, mesmo que apenas algumas linhas e células de número mais baixo contenham realmente dados. Spreadsheet::ReadSXC trunca tais folhas de modo que não haja linhas vazias após a última linha contendo dados e nenhuma coluna vazia após a última coluna contendo dados (a menos que use a opção 'NoTruncate'). Ainda assim é perfeitamente legal para um ficheiro .sxc aplicar o atributo "table:number-rows-repeated" a linhas que realmente contêm dados (embora eu só tenha conseguido produzir tais ficheiros manualmente, não através do próprio OpenOffice). Para poupar memória nestes casos, Spreadsheet::ReadSXC não copia linhas por valor, mas por referência (lembre-se que arrays multidimensionais em Perl são na verdade arrays de referências a arrays). Portanto, se alterar um valor numa linha, é possível que encontre o valor correspondente na linha seguinte também alterado: $$workbook_ref{"Sheet1"}[0][0] = 'new string'; print $$workbook_ref{"Sheet1"}[1][0]; A partir da versão 0.20 as referências devolvidas por read_sxc() et al. permanecem válidas após chamadas subsequentes à mesma função. Em versões anteriores, chamar read_sxc() com um ficheiro diferente como argumento alterava os dados referenciados pelo valor de retorno original, pelo que tinha de o desreferenciar antes de fazer outra chamada. Obrigado a H. Merijn Brand por corrigir isto.