Python提取Excel ChartSheet图表、复选框状态及多格式文件内容技术问询

1. 提取Excel ChartSheet中的图表 #

针对 .xlsx 文件（openpyxl） #

openpyxl可直接识别ChartSheet对象，支持导出图表为图片，也能解析图表的数据源信息：

from openpyxl import load_workbook

wb = load_workbook("example.xlsx", read_only=False)
# 遍历所有工作表，筛选ChartSheet
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    if sheet.sheet_type == "chart":
        # 导出图表为图片文件
        sheet.chart.export(f"{sheet_name}_chart.png")
        # 获取图表基础属性
        print(f"图表类型: {sheet.chart.type}")
        # 解析图表系列数据（以常见图表类型为例）
        if hasattr(sheet.chart, "series"):
            for series in sheet.chart.series:
                print(f"系列名称: {series.title}")
                print(f"数据引用范围: {series.values}")
wb.close()

针对 .xls 文件（win32com.client） #

旧版xls文件需依赖Windows系统的Excel COM接口，通过win32com操作：

import win32com.client as win32

excel = win32.gencache.EnsureDispatch("Excel.Application")
excel.Visible = False
wb = excel.Workbooks.Open("example.xls")

for sheet in wb.Sheets:
    if sheet.Type == 3:  # 3代表ChartSheet类型
        # 导出图表为图片
        sheet.Export(f"{sheet.Name}_chart.png")
        # 读取图表数据源
        chart = sheet.ChartObjects(1).Chart
        for series in chart.SeriesCollection():
            print(f"系列名称: {series.Name}")
            print(f"数据公式: {series.Formula}")

wb.Close(SaveChanges=False)
excel.Quit()

2. 读取Excel复选框的状态与标签 #

针对 .xlsx 文件（openpyxl） #

通过遍历工作表的shapes集合，筛选出复选框控件：

from openpyxl import load_workbook

wb = load_workbook("example.xlsx")
ws = wb["Sheet1"]

for shape in ws.shapes:
    if shape.shapeType == "checkbox":
        # 获取复选框标签文本
        label = shape.text
        # 获取勾选状态（布尔值）
        is_checked = shape.checked
        print(f"复选框标签: {label}, 状态: {'已勾选' if is_checked else '未勾选'}")
wb.close()

针对 .xls 文件（win32com.client） #

同样通过COM接口遍历Shapes集合，识别复选框控件：

import win32com.client as win32

excel = win32.gencache.EnsureDispatch("Excel.Application")
excel.Visible = False
wb = excel.Workbooks.Open("example.xls")
ws = wb.Sheets("Sheet1")

for shape in ws.Shapes:
    if shape.Type == 12:  # 12代表CheckBox控件类型
        label = shape.Caption
        # Value=1表示已勾选，-4146表示未勾选
        is_checked = shape.Value == 1
        print(f"复选框标签: {label}, 状态: {'已勾选' if is_checked else '未勾选'}")

wb.Close(SaveChanges=False)
excel.Quit()

3. 多格式文件内容抓取的统一方案 #

自定义封装工具类 #

推荐根据文件格式映射对应处理库，自己封装统一读取工具，避免单一库的局限性：

• .xlsx：openpyxl（处理内容、图表、控件）
• .xls：win32com/xlwings（兼容旧格式复杂元素）
• .docx：python-docx；.doc：pywin32
• .pdf：pdfplumber（提取文本、表格）
• .csv：Python内置csv模块

示例框架：

import os
from openpyxl import load_workbook
import pdfplumber
import csv

class FileExtractor:
    @staticmethod
    def extract(file_path):
        ext = os.path.splitext(file_path)[1].lower()
        if ext in [".xlsx", ".xls"]:
            return FileExtractor._extract_excel(file_path)
        elif ext == ".pdf":
            return FileExtractor._extract_pdf(file_path)
        elif ext == ".csv":
            return FileExtractor._extract_csv(file_path)
        # 其他格式可自行扩展处理逻辑

    @staticmethod
    def _extract_excel(file_path):
        # 整合上述Excel内容、图表、控件的读取逻辑，返回结构化数据
        pass

    @staticmethod
    def _extract_pdf(file_path):
        with pdfplumber.open(file_path) as pdf:
            text = "\n".join([page.extract_text() for page in pdf.pages])
        return {"text": text}

    @staticmethod
    def _extract_csv(file_path):
        data = []
        with open(file_path, "r", encoding="utf-8") as f:
            reader = csv.DictReader(f)
            for row in reader:
                data.append(row)
        return {"rows": data}

可选的统一工具包 #

• textract：支持多数常见格式，但依赖外部工具（如pdftotext、antiword），安装配置较繁琐
• unstructured：专注非结构化数据提取，支持多格式，对复杂布局文件处理效果较好，适合批量场景

内容的提问来源于stack exchange，提问作者Ilian A2Z