readxl::read_xls 返回 "libxls error: Unable to open file"

Question

我有多个 .xls (~100MB) 文件，我想将多个工作表(从每个工作表)作为数据框加载到 R 中。我试过各种功能，如xlsx::xlsx2和 XLConnect::readWorksheetFromFile ，两者总是运行很长时间(> 15分钟)并且永远不会完成，我必须强制退出 RStudio 才能继续工作。

我也试过gdata::read.xls ，它确实完成了，但是每张纸需要超过 3 分钟，并且不能一次提取多张纸(这对加快我的管道非常有帮助)，例如 XLConnect::loadWorkbook能够。

执行这些函数所需的时间(我什至不确定如果我让它们运行更长时间，前两个函数是否会完成)对于我需要同时处理许多文件的管道来说太长了。有没有办法让这些更快/完成？

在几个地方，我看到了使用函数 readxl::read_xls 的建议。 ，这似乎被广泛推荐用于此任务，并且每张纸应该更快。然而，这给了我一个错误:

> # 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

我还进行了一些基本测试以确保文件存在并且格式正确:

> # 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"

test_file.xls上面使用的可用 here .
在使第一个函数运行得更快或 read_xls 方面的任何建议都将不胜感激。完全运行 - 谢谢!

更新:

似乎有些用户可以使用 readxl::read_xls 打开上面的文件。在 Mac 和 Windows 上使用最新版本的 R , Rstudio , 和 readxl . issue has been posted on the readxl GitHub并且还没有解决。

Answer 1

我下载了您的数据集并以这种方式读取了每个 Excel 工作表(例如，对于工作表“Overall”和“Area”):

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，我得到这样的 dt (例如，“区域”表只有部分数据集):



同样，您可以使用 read_xls代替函数 read_excel .

我检查了一下，它也可以正常工作，甚至更快一些，因为 read_excel是 read_xls 的包装器和 read_xlsx来自 readxl 的函数包裹。

此外，您可以使用 excel_sheets函数来自 readxl包以读取您的 Excel 文件的所有工作表。

更新

基准测试由 microbenchmark 完成用于以下包/功能的包: gdata::read.xls , XLConnect::readWorksheetFromFile和 readxl::read_excel .

但是 XLConnect它是基于 Java 的解决方案，因此需要大量 RAM。