excel - 在保持编码的同时使用 Perl 将 XLSX 转换为 CSV

Question

我是一名 BI 开发人员，使用 perl 脚本作为我的 ETL - 我通过电子邮件接收数据，获取文件，解析它并将其推送到数据库中。大多数文件是 CSV 文件，但偶尔我有一个 XLSX 文件。

我一直在使用 Spreadsheet::XLSX 进行转换，但我注意到 CSV 输出的编码错误(需要是 UTF8，因为口音和外语)。

这就是我正在使用的子程序($input_file 是一个 Excel 文件)，但我一直在获取包含错误字符的数据。

我错过了什么？

非常感谢大家!

sub convert_to_csv {
    my $input_file = $_[0];
    my ( $filename, $extension ) = split( '\.', $input_file );
    open( format_file, ">:**encoding(utf-8)**", "$filename.csv" ) or die "could not open out file $!\n";
    my $excel = Spreadsheet::XLSX->new($input_file);
    my $line;
    foreach my $sheet ( @{ $excel->{Worksheet} } ) {

        #printf( "Sheet: %s\n", $sheet->{Name} );
        $sheet->{MaxRow} ||= $sheet->{MinRow};
        foreach my $row ( $sheet->{MinRow} .. $sheet->{MaxRow} ) {
            $sheet->{MaxCol} ||= $sheet->{MinCol};
            foreach my $col ( $sheet->{MinCol} .. $sheet->{MaxCol} ) {
                my $cell = $sheet->{Cells}[$row][$col];
                if ($cell) {
                    my $trimcell;
                    $trimcell = $cell->value();
                    print STDERR "cell: $trimcell\n"; ## Just for the tests so I don't have to open the file to see if it's ok
                    $trimcell =~ s/^\s+|\s+$//g;  ## Just to make sure I don't have extra spaces
                    $line .= "\"" . $trimcell  . "\",";
                }
            }
            chomp($line);
            if ($line =~ /Grand Total/){} ##customized for the files
            else {
            print format_file "$line\n";
            $line = '';
        }
        }
    }
    close format_file;
}

Answer 1

我的知识来自于使用 ETL::Pipeline，它使用 Spreadsheet::XLSX 来读取 .xlsx 文件。但是我知道哪些字段是UTF-8

我编写了一个本地 ETL::Pipeline 模块来处理 Excel 文件的输出

use Encode qw(decode encode);

$ra_rec->{name} = decode( 'UTF-8', $ra_rec->{name}, Encode::FB_CROAK );