view release on metacpan or  search on metacpan

scripts/xlsx2tsv  view on Meta::CPAN

#!/usr/bin/perl 
use 5.014 ; use warnings  ;
use feature qw [ say ] ;
use Time::HiRes qw[gettimeofday tv_interval] ; my ${ dt_start } = [ gettimeofday ] ; 
use Term::ANSIColor qw [ :constants color ] ; $Term::ANSIColor::AUTORESET = 1 ; 
use Getopt::Std ; getopts '2:d:n:s:x:' , \my%o; 

#use File::Spec::Functions qw[ catfile splitdir rel2abs updir ] ; 
use POSIX qw[ strftime ] ;
use Spreadsheet::XLSX ; 
use Text::Iconv ;
use Encode qw[ decode encode_utf8 ] ; 
sub n2Xcol ($) { my $c = $_[0] ; my $t='A' ; $t++ while $c-- ; $t } # 数値をA,..,Z,AA,..ZZ,AAA. に変換する関数。効率は良くない。
sub nl2some ($)  { ! defined $o{n} ? $_[0] // '' : do { $_ = $_[0] // '' ; s/\r\n/$o{n}/gr } } # セル内改行を適当に置きかえる。

my ${ sheet_num } = 0 ; # シートの枚数
my ${ sheet_name } = "" ; 
my ($r1, $r2 , $c1 , $c2 ) ; # 処理したシート内での左上と右下の座標
my $filename = $o{x} // $ARGV[0] // do { say STDERR BOLD DARK YELLOW "Specify a '.xlsx' file:" ; say glob '*.xlsx' ; exit 1 }  ; 
END{ 
  my @out ;
  push @out , "$sheet_num sheet(s) in '$filename'" ;
  $r1++; $r2++; $c1++; $c2++ ; # 最後なので破壊的な操作を加えた。
  $sheet_name = encode_utf8 $sheet_name ; 
  push @out , "processed sheet: '$sheet_name' with Row: $r1..$r2, Col: $c1..$c2" ;
  push @out , sprintf "%0.6f sec calculation (%s)." , tv_interval ( $dt_start ) , $0 =~ s/.*\///r ;
  push @out , sprintf 'done %04d-%02d-%02d %02d:%02d:%02d' , do {my @t = @{[localtime]}[5,4,3,2,1,0] ; $t[0]+=1900 ; $t[1]++ ; @t } ; 
  say STDERR DARK BOLD ITALIC GREEN join "; " , @out if ! $o{2}//'' eq '0'
} 

# 文字コードの指定の一覧: 
##  いろいろな実験をしたので、その時に使った文字コードを残す意味で、配列のような形で実験に使った文字コードを残す。1 で左から2番目を採用していることを示す
###   ローマ数字 : Ⅰ, Ⅱ, Ⅲ, Ⅴ ; 丸数字 : ①②⑲⑳ ;  全角ハイフンマイナス － ; 
my ${ cc4out }   = ':utf8' ;
my ${ cc4iconv } = qw[ shift_jisx0213 cp932 windows-1251 utf-8 ] [1] ; # エクセルファイルを開く際に用いるが、iconv逆方向なのが気になる。
my ${ cc4sheet } = qw[ Shift_JIS cp932 ] [1]; # シート名の文字列の、文字コード変換に用いる。
my ${ cc4cell }  = qw[ ms932 cp932 Shift_JIS ] [1] ; # 各セルの文字列の、文字コード変換に用いる。ローマ字、丸数字、全角ハイフンマイナスで..

& main () ; 
exit ;

sub main () { 
  my $converter = Text::Iconv -> new ("utf-8", ${ cc4iconv } ); # 1251 ---> 932 (shift_jis)
  my $excel = Spreadsheet::XLSX -> new ( $filename , $converter ) ; # (1)
  my @sheets = @{ $excel ->{ Worksheet } } ;  # (2)
  
  # シートの枚数を取り出す
  $o{d} //= '' ;
  ${ sheet_num } = @sheets ; 
  do { say scalar @sheets ; exit if ! defined $o{s} } if $o{d} =~ m's'i ; 

  ## まずシートを取り出す。-s が無ければシート名一覧を取得してすぐに終了。
  binmode STDOUT, ${ cc4out } ; # この分は$filenameの格納する文より後ろに来る。

  $o{s} = $o{s} || do { say for (GREEN 'The sheet names:'), map { decode ${ cc4sheet } , $_ -> { Name } } @sheets ; exit } ; 
  my $s = $sheets [ $o{s} - 1 ] ; # あるシートを表すオブジェクト
  ${ sheet_name } =  decode ${ cc4sheet } , $s -> { Name } ;
  # -dのパラメータに従ってテーブルの行と列の範囲を取り出す。
  ($r1, $r2 , $c1 , $c2 ) = ( $s->{MinRow} , $s ->{MaxRow} , $s -> {MinCol} , $s -> {MaxCol} ) ; # (3)
  say $r1+1 , ".." , $r2+1  if $o{d} =~ '1' ; # 行範囲の出力
  say $c1+1 , ".." , $c2+1  if $o{d} =~ '2' ; # 列範囲の出力
  say n2Xcol $c1 , ".." , n2Xcol $c2  if $o{d} =~ m'A'i ; # -A指定で、列範囲を A,..,Z,AA..ZZで換算して表示
  exit if $o{d} =~ m/0/ || defined $o{p} && $o{p} eq '0' ; 
  
  # セルの中身を取り出す
  for my $r ( $r1 .. $r2 ) { 
    my @line = map { nl2some decode ${ cc4cell } , $_ -> { Val } } map $s->{Cells}[$r][$_] , $c1 .. $c2 ;  # (4)
    say join "\t" , map $_ // '' , @line ; 
  }
}
 
## ヘルプの扱い
sub VERSION_MESSAGE {}
sub HELP_MESSAGE {
    use FindBin qw[ $Script ] ; 
    $ARGV[1] //= '' ;
    open my $FH , '<' , $0 ;
    while(<$FH>){
        s/\$0/$Script/g ;
        print $_ if s/^=head1// .. s/^=cut// and $ARGV[1] =~ /^o(p(t(i(o(ns?)?)?)?)?)?$/i ? m/^\s+\-/ : 1;
    }
    close $FH ;
    $o{v} = 0 ;
    exit 0 ;
}

=encoding utf8
=head1

 xlsx2tsv -s シート番号  ファイル.xlsx
xlsx2tsv -x ファイル.xlsx -s シート番号  

  シート番号は1オリジンとする。
  0が指定された場合は、シート名の一覧を出力する。

  オプション: 
    -d STR : dでdimensionを意味する。次の分類を参照↓
     -d s : シートの枚数を表示する。    
     -d 1 : 行番号の範囲または最大の行数を表示　-- MinRowとMaxRowを表示。
     -d 2 : 列番号の範囲または最大の列数を表示　-- MinColとMaxColを表示。
     -d A : 列番号の範囲または最大の列数をエクセルの形式で表示-- MinRowとMaxRowを表示。
     -d ??0 : 0が含まれていたら、セルの中身は表示しない。
    -n "//" ; セルの中の改行を指定した文字(ここでは // )に置きかえる。
    -s N : 1始まりでシートの番号を指定

    -x file.xlsx : ファイル名のオプションを使う指定。(変数指定の順序の考慮が簡単になる。)
    -20 : 一行サマリの情報の出力の抑制。


  開発メモ: 
    * 文字コード名をハードコードしている部分を洗練したい。
    * 次元情報(行数と列数)は、最後に標準エラー出力に表示するオフションが欲しいかも。