xlsm_parser.py•8.1 kB
"""
XLSM格式解析器模块
基于openpyxl库实现XLSM格式（Excel宏文件）的解析。
XLSM本质上是带宏的XLSX，样式提取与XLSX完全相同。
"""
import logging
import openpyxl
from src.models.table_model import Sheet, Row, Cell, LazySheet
from src.parsers.xlsx_parser import XlsxParser
from src.utils.style_parser import extract_style
logger = logging.getLogger(__name__)
class XlsmParser(XlsxParser):
"""
XLSM格式解析器，继承自XlsxParser。
XLSM格式与XLSX在数据和样式方面完全一致，主要区别是包含VBA宏代码。
本解析器保留宏信息但不执行，仅专注于数据和样式提取。
"""
def parse(self, file_path: str) -> list[Sheet]:
"""
解析XLSM文件并返回Sheet对象列表。
参数:
file_path: XLSM文件路径
返回:
包含完整数据和样式的Sheet对象列表
异常:
RuntimeError: 当解析失败时
"""
try:
# 使用keep_vba=True保留宏信息，但不执行
workbook = openpyxl.load_workbook(file_path, keep_vba=True)
if not workbook.worksheets:
raise ValueError("工作簿不包含任何工作表")
# 记录宏文件信息（用于调试和日志）
self._log_macro_info(workbook, file_path)
sheets = []
# 解析所有工作表
for worksheet in workbook.worksheets:
# 解析数据和样式（使用与XlsxParser相同的完整性逻辑）
# 获取工作表的实际尺寸，确保包含所有数据和样式
max_row = worksheet.max_row or 0
max_col = worksheet.max_column or 0
rows = []
# 使用坐标访问方式确保完整的表格结构
for row_idx in range(1, max_row + 1):
cells = []
for col_idx in range(1, max_col + 1):
# 直接通过坐标访问单元格，确保包含空单元格
cell = worksheet.cell(row=row_idx, column=col_idx)
# 提取单元格值和样式
cell_value = cell.value
cell_style = extract_style(cell)
# 创建Cell对象
parsed_cell = Cell(
value=cell_value,
style=cell_style
)
cells.append(parsed_cell)
rows.append(Row(cells=cells))
# 提取合并单元格信息
merged_cells = [str(merged_cell_range) for merged_cell_range in worksheet.merged_cells.ranges]
sheet = Sheet(
name=worksheet.title,
rows=rows,
merged_cells=merged_cells
)
sheets.append(sheet)
return sheets
except Exception as e:
logger.error(f"解析XLSM文件失败: {e}")
raise RuntimeError(f"无法解析XLSM文件 {file_path}: {str(e)}")
def _log_macro_info(self, workbook, file_path: str) -> None:
"""
记录宏文件的相关信息，用于调试和日志。
参数:
workbook: openpyxl工作簿对象
file_path: 文件路径
"""
try:
# 检查是否包含VBA项目
has_vba = hasattr(workbook, 'vba_archive') and workbook.vba_archive is not None
if has_vba:
logger.info(f"XLSM文件 {file_path} 包含VBA宏代码，已保留但不执行")
# 尝试获取VBA项目的基本信息
try:
vba_archive = workbook.vba_archive
if hasattr(vba_archive, 'namelist'):
vba_files = vba_archive.namelist()
logger.debug(f"VBA文件数量: {len(vba_files)}")
# 记录主要的VBA组件
vba_modules = [f for f in vba_files if f.endswith('.bas') or f.endswith('.cls') or f.endswith('.frm')]
if vba_modules:
logger.debug(f"VBA模块: {vba_modules}")
except Exception as vba_e:
logger.debug(f"获取VBA详细信息失败: {vba_e}")
else:
logger.info(f"XLSM文件 {file_path} 不包含VBA宏代码")
except Exception as e:
logger.debug(f"记录宏信息失败: {e}")
def get_macro_info(self, file_path: str) -> dict:
"""
获取XLSM文件的宏信息摘要。
参数:
file_path: XLSM文件路径
返回:
包含宏信息的字典
"""
macro_info = {
"has_macros": False,
"vba_files_count": 0,
"vba_modules": [],
"file_path": file_path
}
try:
workbook = openpyxl.load_workbook(file_path, keep_vba=True)
# 检查VBA存在性
if hasattr(workbook, 'vba_archive') and workbook.vba_archive is not None:
macro_info["has_macros"] = True
try:
vba_archive = workbook.vba_archive
if hasattr(vba_archive, 'namelist'):
vba_files = vba_archive.namelist()
macro_info["vba_files_count"] = len(vba_files)
# 提取VBA模块名称
vba_modules = [f for f in vba_files if f.endswith('.bas') or f.endswith('.cls') or f.endswith('.frm')]
macro_info["vba_modules"] = vba_modules
except Exception as vba_e:
logger.debug(f"获取VBA详细信息失败: {vba_e}")
workbook.close()
except Exception as e:
logger.warning(f"获取宏信息失败: {e}")
return macro_info
def supports_streaming(self) -> bool:
"""XLSM解析器支持流式处理（继承自XLSX）。"""
return True
def create_lazy_sheet(self, file_path: str, sheet_name: str | None = None) -> LazySheet:
"""
为XLSM创建可按需流式读取的惰性表对象。
XLSM文件的流式处理方式与XLSX完全一致。
参数：
file_path: XLSM文件路径
sheet_name: 工作表名称（可选）
返回：
LazySheet对象
"""
# 复用XLSX的流式实现
from .xlsx_parser import XlsxRowProvider
provider = XlsxRowProvider(file_path, sheet_name)
name = provider._get_worksheet_info()
merged_cells = provider._get_merged_cells()
return LazySheet(name=name, provider=provider, merged_cells=merged_cells)
def is_macro_enabled_file(self, file_path: str) -> bool:
"""
检查文件是否为启用宏的Excel文件。
参数:
file_path: 文件路径
返回:
如果文件包含宏则返回True，否则返回False
"""
try:
# 首先检查文件扩展名
if not file_path.lower().endswith('.xlsm'):
return False
# 然后检查实际的宏内容
macro_info = self.get_macro_info(file_path)
return macro_info["has_macros"]
except Exception as e:
logger.debug(f"检查宏状态失败: {e}")
return False