perl-Spreadsheet-ReadSXC

Spreadsheet::ReadSXC estrae dati dai file di fogli di calcolo OpenOffice 1.x (.sxc). Esporta la funzione read_sxc() che prende un nome di file e un riferimento opzionale a un hash di opzioni come argomenti e restituisce un riferimento a un hash di riferimenti ad array bidimensionali. Le chiavi dell'hash corrispondono ai nomi dei fogli di lavoro nella cartella di lavoro OpenOffice. Gli array bidimensionali corrispondono a righe e celle nei rispettivi fogli di calcolo. Se non ti piace perché l'ordine dei fogli non viene preservato in un hash, continua a leggere. L'opzione 'OrderBySheet' fornisce invece un array di hash. Se preferisci scompattare il file .sxc tu stesso, puoi usare invece la funzione read_xml_file() e passare il percorso a content.xml come argomento. Oppure puoi estrarre la stringa XML da content.xml e passare la stringa alla funzione read_xml_string(). Entrambe le funzioni accettano anche un riferimento a un hash di opzioni come secondo argomento opzionale. Spreadsheet::ReadSXC usa XML::Twig per analizzare l'XML contenuto nei file .sxc. Vengono restituiti solo i contenuti degli elementi text:p, non i valori effettivi degli attributi table:value. Ad esempio, una cella potrebbe avere un attributo table:value-type di "currency", un attributo table:value di "-1500.99" e un attributo table:currency di "USD". L'elemento text:p conterrebbe "-$1,500.99". Questa è la stringa restituita dalla funzione read_sxc(), non il valore di -1500.99. Spreadsheet::ReadSXC è stato scritto pensando all'importazione di dati in un database SQL. Pertanto le celle vuote del foglio di calcolo corrispondono a valori undef nelle righe dell'array. Il codice di esempio sopra mostra come sostituire i valori undef con stringhe vuote. Se il file .sxc contiene un foglio di calcolo vuoto, il suo elemento hash punterà a un array vuoto (a meno che non usi l'opzione 'NoTruncate', nel qual caso punterà a un array di un array contenente un elemento indefinito). OpenOffice usa la codifica UTF-8. Dipende dal tuo ambiente come gestire al meglio i dati restituiti dal parser XML: 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; Naturalmente ci sono altri moduli oltre a Unicode::String su CPAN che gestiscono la conversione tra codifiche. È una tua scelta. Le righe di tabella nei file .sxc possono avere un attributo "table:number-rows-repeated", spesso usato per righe vuote consecutive. Quando formatti intere righe e/o colonne in OpenOffice, imposta il numero di righe in un foglio di lavoro a 32.000 e il numero di colonne a 256, anche se solo poche righe e celle con numero più basso contengono effettivamente dati. Spreadsheet::ReadSXC tronca tali fogli in modo che non ci siano righe vuote dopo l'ultima riga contenente dati e nessuna colonna vuota dopo l'ultima colonna contenente dati (a meno che non usi l'opzione 'NoTruncate'). Tuttavia è perfettamente legale per un file .sxc applicare l'attributo "table:number-rows-repeated" a righe che contengono effettivamente dati (anche se sono riuscito a produrre tali file solo manualmente, non tramite OpenOffice stesso). Per risparmiare memoria in questi casi, Spreadsheet::ReadSXC non copia le righe per valore, ma per riferimento (ricorda che gli array multidimensionali in Perl sono in realtà array di riferimenti ad array). Pertanto, se cambi un valore in una riga, è possibile che trovi il valore corrispondente nella riga successiva anch'esso cambiato: $$workbook_ref{"Sheet1"}[0][0] = 'new string'; print $$workbook_ref{"Sheet1"}[1][0]; A partire dalla versione 0.20 i riferimenti restituiti da read_sxc() et al. rimangono validi dopo chiamate successive alla stessa funzione. Nelle versioni precedenti, chiamare read_sxc() con un file diverso come argomento cambiava i dati referenziati dal valore di ritorno originale, quindi dovevi dereferenziare prima di fare un'altra chiamata. Grazie a H. Merijn Brand per aver corretto questo.