使用 LibreOffice 的 'scalc' 从命令行将制表符分隔的文本转换为 Excel

Question

我有一个以LF结尾、以制表符分隔的输入文件，我希望使用scalc --headless将其转换为Excel格式(例如OOXML.xlsx(。

我知道其他选项，比如pyuno，甚至还有一些预先编写的脚本，比如这个，但我认为没有理由为了完成我认为scalc可以使用内置命令行选项完成的任务而使用Python。

以下是我尝试过但没有成功的：

scalc --headless --convert-to xlsx input.tsv
scalc --headless --infilter=tsv --convert-to xlsx input.tsv
scalc --headless --infilter=tsv:Text --convert-to xlsx input.tsv
scalc --headless --infilter=Text:tsv --convert-to xlsx input.tsv  # --> Error: no export filter

最后两个完全是猜测，因为除了scalc --help输出中的两个例子之外，没有关于--infilter选项的真正文档。

最后一个产生了一个错误，但在所有其他情况下，制表符都不会被识别为字段分隔符，生成的Excel电子表格只是将所有数据连接在第一列中。

参考文献

• https://help.libreoffice.org/latest/en-US/text/shared/guide/start_parameters.html
  • 具体地说；一般论点"部分，其中显示了两个示例：

    --infilter="Calc Office Open XML"
    --infilter="Text (encoded):UTF8,LF,Liberation Mono,en-US"
    

    我认为这分别表示从.xlsx到Calc的转换和从纯文本到Writer的转换

Answer 1

虽然没有文档，但我能够从几个不同的来源拼凑出这个有效的解决方案：

scalc --headless --infilter="Text - txt - csv (StarCalc):9" 
--convert-to xlsx input.tsv

"；9〃；是水平制表符的十进制ASCII控制码。我用python -c 'print(ord("t"))'找到了这个，尽管man ascii也可以。

正如这里详细介绍的，有许多逗号分隔的选项可以传递给这个过滤器：

╔══════════════╤══════════╤═══════════╤═════════════╤══════════════════╤═════════════════════╗
║ option (pos) │ sep. (1) │ quote (2) │ charset (3) │ 1st line (4)     │ cell format (5)     ║
╠══════════════╪══════════╪═══════════╪═════════════╪══════════════════╪═════════════════════╣
║ defaults (?) │ 44 (,)   │ 34 (")    │ 0 (system)  │ 1                │ null ("standard")   ║
╟──────────────┼──────────┼───────────┼─────────────┼──────────────────┼─────────────────────╢
║ example      │ 9 (tab)  │ 39 (')    │ 76 (UTF-8)  │ 2 (skip 1st row) │ 1/9 (skip 1st col.) ║
╚══════════════╧══════════╧═══════════╧═════════════╧══════════════════╧═════════════════════╝

例如：

scalc --headless --infilter="Text - txt - csv (StarCalc):9,39,76,2,1/9" 
--convert-to xlsx input.tsv

将使用单引号作为文本分隔符并使用UTF-8编码的制表符分隔的输入文件转换为Excel.xlsx文件，跳过第一行和第一列。

如上所述，输入记录分隔符和引号是ASCII序数。字符集的代码可以在这里查找，但对于英语使用者来说，0(系统默认值(、1(Windows-1252(、12(ISO-8859-1(和76(UTF-8(是有趣的代码。

逗号分隔的选项字符串中的第5位；单元格式；指定特定列的格式，并由正斜杠(col/fmt/col/fmt(分隔。这里将对此进行详细解释，但要简要说明：

1   Standard
2   Text
3   MM/DD/YY
4   DD/MM/YY
5   YY/MM/DD
6   - (unused?)
7   - ("     ")
8   - ("     ")
9   ignore field (do not import)
10  US-English
(',' as 1000s sep, '.' as decimal, regardless of locale)

在那之后的过滤器选项字符串中甚至还有更多的值，这些值属于导入/导出对话框中的各种选项，例如"；以文本形式引用的字段"再次参考上面链接的同一篇OpenOfficewiki文章来解释这些，因为我在这里已经没有动力了。

来源

• 这篇使用pyuno的Linux期刊文章，它让我了解了Text - txt - csv (StarCalc)作为过滤器名称的使用
  • 我基本上是错误地进入LibreOffice源树中的这个目录来证实这一点的，在那里定义了所有的过滤器
• https://wiki.openoffice.org/wiki/Documentation/DevGuide/Spreadsheets/Filter_Options
  • 特别是CSV过滤器的本节
  • 没有那么有用地标记为"；从OpenOffice 4.1.x起不再是最新的；但当前足以解决我的问题
  • 这篇文章给了我尝试将tab的ASCII序数作为"的第一个字符的想法；过滤器选项"；--infilter字符串的一部分
  • 我应该使用冒号作为分隔符，这是我从2014年的提交中推断出来的，该提交将两个--infilter示例添加到soffice --help的输出中