如何在Python中检查上传的文件是CSV还是XLS？

Question

如何检查上传的文件是CSV还是XLS。我想在Python中检查这个。我正在将一个文件导入到openerp中的一个二进制字段，这个字段可以作为二进制对象被提取。我需要读取这个文件并将数据导入到一个表格中。用户可以上传CSV或XLS文件。只有知道文件类型，我才能使用csv包或xlrd包。

Answer 1

你可以试试看，如果不行的话，就换个方法试试。

import xlrd
import csv

try:
    # reading the file by xlrd
    ...
    print "Thanks for your Excel file"
except: # if you find specific Exception types, use them here
    try:
        # reading as CSV file
        ...
        print "thanks for your CSV file"
    except: # if you find specific Exception types, use them here
        print "sorry, now way, give me some usable file."

Answer 2

这是对PolyWhirl帖子的一些补充，里面提到了一些我遇到的特殊情况。

def isExcelDoc(file):

    excelSigs = [
        ('xlsx', b'\x50\x4B\x05\x06', 2, -22, 4),
        ('xls', b'\x09\x08\x10\x00\x00\x06\x05\x00', 0, 512, 8),  #Saved from Excel
        ('xls', b'\x09\x08\x10\x00\x00\x06\x05\x00', 0, 1536, 8), #Saved from LibreOffice Calc
        ('xls', b'\x09\x08\x10\x00\x00\x06\x05\x00', 0, 2048, 8)  #Saved from Excel then saved from Calc
]

    for sigType, sig, whence, offset, size in excelSigs:
        with open(file, 'rb') as f:
            f.seek(offset, whence)
            bytes = f.read(size)

            if bytes == sig:
                return True

    return False

Answer 3

.xls 文件的十六进制签名如下：

这是Excel电子表格的子头信息（微软办公软件）

09 08 10 00 00 06 05 00 [512字节偏移]

你可以在维基百科上了解其他各种文件签名。

我认为你可以尝试这样做。虽然还没有测试过，但你可以自己动手试试，直到它有效为止。如果有任何建议或修改，欢迎留言。谢谢！

xls_sig = b'\x09\x08\x10\x00\x00\x06\x05\x00'
offset = 512
size = 8

with open('spreadsheet.xls', 'rb') as f:
    f.seek(offset)       # Seek to the offset.
    bytes = f.read(size) # Capture the specified number of bytes.

    if bytes == xls_sig:
        print 'Uploaded file is an xls.'
    else:
        print 'File is not an xls.'

更新 1

我测试过这个，确认它可以用来检测 .xls 文件。

更新 2

我开发了一个程序来判断文件是 xls 还是 xlsx：

import codecs

xlsx_sig = b'\x50\x4B\x05\06'
xls_sig = b'\x09\x08\x10\x00\x00\x06\x05\x00'

filenames = [
    ('spreadsheet.xls', 0, 512, 8),
    ('spreadsheet.xlsx', 2, -22, 4)]

for filename, whence, offset, size in filenames:
    with open(filename, 'rb') as f:
        f.seek(offset, whence) # Seek to the offset.
        bytes = f.read(size)   # Capture the specified number of bytes.

        print codecs.getencoder('hex')(bytes)

        if bytes == xls_sig:
            msg = '"{}" is an xls.'
        elif bytes == xlsx_sig:
            msg = '"{}" is an xlsx.'
        else:
            msg = '"{}" is not an Excel document.'
        print msg.format(filename)

这是输出结果：

('0908100000060500', 8)
"spreadsheet.xls" is an xls.
('504b0506', 4)
"spreadsheet.xlsx" is an xlsx.