readxl::read_xls 返回 "libxls 错误: 无法打开文件"

Question

readxl::read_xls 返回 "libxls 错误: 无法打开文件"

11

我有多个 .xls (~100MB) 文件，我想从中加载多个工作表（每个文件）到 R 中作为数据框。我尝试了各种函数，例如 xlsx::xlsx2 和 XLConnect::readWorksheetFromFile，但它们总是运行很长时间（>15 分钟），永远无法完成，我不得不强制退出 RStudio 才能继续工作。

我还尝试了 gdata::read.xls，它确实可以完成，但每个工作表需要超过 3 分钟的时间，并且它无法一次提取多个工作表（这将非常有助于加快我的流程），就像 XLConnect::loadWorkbook 可以做到的那样。

这些函数执行所需的时间（我甚至不确定前两个是否会在更长时间内完成）对于我的流程来说太长了，我需要同时处理许多文件。有没有办法让它们更快地运行/完成？

在几个地方，我看到了使用函数 readxl::read_xls 的建议，它似乎被广泛推荐用于此任务，并且应该比每个工作表更快。然而，这个函数给了我一个错误：

> # Minimal reproducible example:
> setwd("/Users/USER/Desktop")
> library(readxl)
> data <- read_xls(path="test_file.xls")
Error: 
  filepath: /Users/USER/Desktop/test_file.xls
  libxls error: Unable to open file

我还进行了一些初步测试，以确保文件存在且格式正确：

> # Testing existence & format of the file
> file.exists("test_file.xls")
[1] TRUE
> format_from_ext("test_file.xls")
[1] "xls"
> format_from_signature("test_file.xls")
[1] "xls"

以上使用的test_file.xls文件可以在这里找到。

如果您有关于如何使第一个函数运行更快或使read_xls运行的任何建议，我们将不胜感激 - 谢谢！

更新（2019年12月14日）：

似乎一些用户能够使用readxl::read_xls函数打开上面的文件，而另一些用户则不能，在Mac和Windows上都是如此，使用最新版本的R、Rstudio和readxl。问题已经发布在readxl GitHub上，但尚未解决。

更新（2023年4月14日）：

上述的 GitHub 问题集结了各种问题并提供了一种可能的解决方案，即先在 MS Excel 中打开和关闭文件，然后才能通过 `readxl::read_xls` 读取。可以理解的是，这不是最好的解决方案。上述问题没有更好的解决方案而被关闭，反而在 libxls 的 GitHub 上开了一个相关问题，目前还没有解决方案。

- Brunox13

8个回答

1

我发现下载文件后，无法立即使用read_xl打开文件，但如果在Excel中打开文件，保存并再次关闭文件，则read_xl可以顺利打开文件。

对于处理数百个文件的建议解决方法是构建一个小的C#命令行实用程序来打开、保存和关闭Excel文件。源代码如下，该实用程序可以使用Visual Studio Community Edition编译。

using System.IO;
using Excel = Microsoft.Office.Interop.Excel;

namespace resaver
{
  class Program
  {
    static void Main(string[] args)
    {
      string srcFile = Path.GetFullPath(args[0]);
      Excel.Application excelApplication = new Excel.Application();
      excelApplication.Application.DisplayAlerts = false;
      Excel.Workbook srcworkBook = excelApplication.Workbooks.Open(srcFile);
      srcworkBook.Save();
      srcworkBook.Close();
      excelApplication.Quit();
    }
  }
}

编译完成后，可以使用例如system2()从R中调用该实用程序。

- mikeck

1

在我的系统上，我必须使用 path.expand。

R> file = "~/blah.xls"
R> read_xls(file)

Error: 
  filepath: ~/Dropbox/signal/aud/rba/balsheet/data/a03.xls
  libxls error: Unable to open file

R> read_xls(path.expand(file)) # fixed

- ricardo

0

重新保存文件，你就可以轻松解决问题。

我以前也遇到过这个问题，但我从你们的讨论中得到了答案。

我使用了read_excel()来打开那些文件。

- 花落思量错

你是指用Excel重新保存文件吗？是的，这个建议已经提出过了，但是当处理数百个文件时，这并不能解决问题（你可以想象在Microsoft Excel中打开和重新保存每个文件需要很长时间）。 - Brunox13

无论使用read_xls()还是read_excel()都没有区别 - 根据read_excel()文档，实际上read_xls()更好："read_excel()调用excel_format()来确定路径是xls还是xlsx，基于文件扩展名和文件本身的顺序。如果您知道得更好并想要避免这种猜测，请直接使用read_xls()和read_xlsx()。" - Brunox13

0

如果您从互联网下载了 .xls 数据，即使在 Ms.Excel 中打开它，也会首先弹出一个提示，询问您是否信任该来源，如下面的截图所示。我猜这就是 R（read_xls）无法打开它的原因，因为它被认为是不安全的。将其保存为 .xlsx 文件，然后使用 read_xlsx() 或 read_excel()。

- ahmadzai

0

虽然这不是基于代码的解决方案，但我只是更改了文件类型。例如，我保存为csv或xlsx，而不是xls。然后我像平常一样打开它。
这对我有用，因为当我打开我的xls文件时，弹出消息："'file.xls'的文件格式和扩展名不匹配。该文件可能已损坏或不安全..."

- Jesús Alberto Urrutia Camacho

0

我将提出一种不同的工作流程。如果您安装了LibreOffice，那么您可以通过程序将Excel文件转换为CSV文件。我使用Linux，所以我在bash中执行此操作，但我相信在macOS中也是可能的。

因此，请打开终端并导航到包含Excel文件的文件夹，并在终端中运行以下命令：

for i in *.xls
    do soffice --headless --convert-to csv "$i" 
done

现在在R中，您可以使用data.table :: fread 循环读取文件：

情况1：文件结构不同

如果文件的结构不同，则不希望将它们rbind在一起。您可以在R中运行：

files <- dir("path/to/files", pattern = ".csv")
all_files <- list()
for (i in 1:length(files)){
  fileName <- gsub("(^.*/)(.*)(.csv$)", "\\2", files[i])
  all_files[[fileName]] <- fread(files[i])
}

如果你想要从列表中提取你所命名的元素到全局环境中，以便它们可以被转换为对象，你可以使用list2env函数：

list2env(all_files, envir = .GlobalEnv)

请注意两件事情：首先，在 gsub 调用中，斜杠的方向。其次，如果 list2env 中的命名元素与全局环境中的对象同名，则可能会覆盖全局环境中的对象。

场景 2：文件结构相同

在这种情况下，您很可能希望将它们全部合并到一起。您可以在 R 中运行：

files <- dir("path/to/files", pattern = ".csv")
joined <- list()
for (i in 1:length(files)){
  joined <- rbindlist(joined, fread(files[i]), fill = TRUE)
}

- PavoDive

1

谢谢回复！我更喜欢完全使用R语言来解决问题，因为我正在为一个不太熟悉编程的朋友开发这个工作流程，所以我想交给她一个单一的可用脚本，而不是让她去终端操作。 - Brunox13

0

我曾经遇到过类似的错误，想分享一个短期解决方案。

library(readxl)
download.file("https://mjwebster.github.io/DataJ/spreadsheets/MLBpayrolls.xls", "MLBPayrolls.xls")
MLBpayrolls <- read_excel("MLBpayrolls.xls", sheet = "MLB Payrolls", na = "n/a")

在我的教室里的某些系统上出现以下情况（但在其他系统上没有）：

错误：filepath: MLBPayrolls.xls libxls 错误：无法打开文件

临时解决方案是将 xls 文件的 URL 粘贴到 Firefox 中，并通过浏览器下载。完成后，我们可以运行 read_excel 行而不出错。

这是今天在 Windows 10 上发生的，使用 R 3.6.2 和 R Studio 1.2.5033。

- Ryan Thornburg

谢谢，@Ryan！就像我在GitHub上提到的那样，OP中描述的问题是关于已经在本地下载的文件，所以这可能是一个不同的问题。 - Brunox13

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- red_quark · Accepted Answer

我下载了您的数据集，并以以下方式读取每个excel表格（例如“总览”和“地区”表格）：

install.packages("readxl")
library(readxl)
library(data.table)

dt_overall <- as.data.table(read_excel("test_file.xls", sheet = "Overall"))
area_sheet <- as.data.table(read_excel("test_file.xls", sheet = "Area"))

最后，我得到了如下的数据（例如，“Area”工作表的部分数据集）：

同样地，你可以使用read_xls函数代替read_excel。

我检查了一下，它也能正确地工作，而且速度更快，因为read_excel是readxl包中read_xls和read_xlsx函数的包装器。

此外，你还可以使用readxl包中的excel_sheets函数来读取Excel文件的所有工作表。

更新：

使用microbenchmark包对以下包/函数进行基准测试：gdata::read.xls、XLConnect::readWorksheetFromFile和readxl::read_excel。

但是，XLConnect是基于Java的解决方案，因此需要大量RAM。