arquivos especiais - xlsx

Arquivos especiais - Excel

Em lição anterior vimos como manipular arquivos texto.
Para melhor aproveitar esta lição é preciso conhecer dicionarios.
Agora vamos ver como manipular arquivos especiais de diversos tipos, começando com arquivos .xls e .xlsx com workbooks e planilhas Excel.
Como no caso de arquivos texto, a manipulação de arquivos Excel segue a sequência genérica de passos:

• abrir o arquivo
• acessar o seu conteúdo, no caso acessar a planilha
• fechar o arquivo

A diferença está nos detalhes de como fazer estes passos. Veremos que lidar com planilhas requer um procedimento mais complicado do que lidar com textos.

Planilhas do Excel

Quando manipulamos arquivos texto o modêlo conceitual era simples: um string de caracteres e símbolos. Em contraste para manipular planilhas temos que ter em mente um modêlo bem mais complicado. Num modêlo símples uma planilha é uma grade formada por linhas (rows) e colunas (columns, ou cols) em cuja intersecção ficam células (cells).

Linhas são ordenadas por numeros sequenciais, como na figura acima. Colunas são identificadas por letras (alfabeto inglês) na seguinte ordem:
A, B, C, D, ... X, Y, Z,
AA, AB, AC, ... AX, AY, AZ,
BA, BB, BC, ...
...
Células contém valores (value) que podem ser números, strings e outras coisas. Toda célula possue uma identificação (endereço) que é a sua coluna e sua linha.
Por exemplo, na figura acima a célula com endereço A2 está na coluna A interseção com linha 2, e contém o string 'ABEL MESQUITA JR.'.
Já a celula em C8 contém o string 'MG'.
Para lêr o valor em uma célula, ou escrever um valor numa célula, vamos precisar do seu endereço.
As planilhas propriamente ditas são chamadas de worksheets (ou sheets para simplificar) e o arquivo Excel guarda uma espécie de pasta de planilhas, chamado workbook. Cada sheet do workbook tem um nome e para referenciar um dado sheet é necessário saber o seu nome.

---

A manipulação de arquivos Excel será feita através de módulos especializados. Já vimos um módulo destes na lição listas de deputados e seus partidos, o módulo xlrd que permite leitura de planilhas.
Nesta lição vamos usar o módulo openpyxl que é usado em nosso livro referência Al Sweigart, "Automate the Boring Stuff With Python". Este poderoso módulo permite abrir, ler, criar e editar planilhas Excel.

---

Vimos que a função open() retorna um objeto File, uma espécie de "cano" entre nosso programa e o arquivo. No caso de arquivos texto o objeto File tinha métodos para a leitura fácil do texto em forma de um string ou uma lista de strings representando frases.
No caso de arquivos Excel não é tão simples. O conteúdo do arquivo representa um workbook contendo um determinado número de worksheets (planilhas). Então ao abrir um arquivo destes vamos acessar toda uma coleção de objetos que compõem o workbook. Estes objetos estão organizados numa hierarquia em que objetos contem objetos subalternos e mostrada abaixo de modo simplificado:

É bom frisar que estes são apens uns poucos das muitas dezenas de objetos que compõem um workbook Excel. Felizmente na prática não precisaremos de tantos para manipulação simples de planilhas. Em todo o caso sempre pode-se consultar a documentação do módulo usado (como o openpyxl).

---

Então o que fazer com todos estes objetos? Bem, vejamos o caso mais simples de leitura de uma planilha num workbook e exame do conteúdo de suas células.

Lendo conteúdo de células de uma planilha

Seguindo as setas na figura acima podemos esboçar a sequencia de passos para chegar até o conteúdo de células de uma planilha:

• abrir o arquivo xlsx na forma permitida pelo módulo openpyxl
• obter o objeto workbook
• usando o nome da planilha desejada, obter o objeto worksheet correspondente
• usando endereços (p.ex. A5) chegar até células de interesse
• obter o conteúdo da célula de interesse lendo seu valor (value)

Vejamos os detalhes de como fazer tudo isto. Como objeto de estudo vamos usar a planilha 'Sheet 1' do workbook dep1.xlsx que pode ser baixado daqui e que está mostrada numa figura acima.

In [ ]:

import openpyxl, os

# vamos abrir o arquivo xlsx obtendo um objeto workbook correspondente
wb = openpyxl.load_workbook('dep1.xlsx')

In [ ]:

# podemos listar todos nomes de planilhas neste workbook
folhas = wb.get_sheet_names()
folhas

In [ ]:

# a planilha de interesse chama-se Sheet 1, vamos obter seu objeto
sheet = wb.get_sheet_by_name('Sheet1')

# podemos contar o numero de linhas e de colunas desta planilha
nr = sheet.get_highest_row()
nc = sheet.get_highest_column()
print('rows = ', nr)
print('columns = ',nc)

Examinando a figura acima que mostra a planilha em questão vemos que de fato existem 10 linhas (mas cuidado, a primeira é uma linha de títulos de colunas!) e vê-se que há mais de cinco colunas (são 18 mas não caberiam na figura).
Nosso módulo openpyxl permite acessar uma célula diretamente do objeto worksheet se indexarmos o mesmo com o endereço no formato tipo B7 (letra da coluna seguido do número da linha). Por exemplo a célula na linha 3 e coluna B pode ser acessada pela expressão sheet[B3] e seu conteúdo (valor) por:

sheet[B3].value

Vamos então listar o conteúdo das células de nossa planilha exemplo, imprimindo as 4 primeiras colunas (A,B,C,D) linha por linha. Para tanto vamos iterar por todas linhas (menos a primeira que só contem títulos) criando o endereço de cada célula como mostrado abaixo (lembre-se que a função str() converte um número em um string):

In [ ]:

for rw in range(2,nr + 1):
    nome = sheet['A' + str(rw)].value
    partido = sheet['B' + str(rw)].value
    uf = sheet['C' + str(rw)].value
    status = sheet['D' + str(rw)].value
    print(nome,partido,uf,status)
    

Caso fosse interessante poderiamos colocar estes dados num dicionário, onde a chave de cada item é o nome (tomado na coluna A) e o valor é uma tupla com os conteúdos das colunas B,C,D, (partido,uf,status):

In [ ]:

dic = {}  # cria dicionario vazio
for rw in range(2,nr + 1):
    nome = sheet['A' + str(rw)].value
    partido = sheet['B' + str(rw)].value
    uf = sheet['C' + str(rw)].value
    status = sheet['D' + str(rw)].value
    valor = (partido,uf,status)
    dic[nome] = valor

In [ ]:

# podemos imprimir bonitinho o dicionario usando o modulo pprint
import pprint
pprint.pprint(dic)

Salvando dados numa planilha Excel

Ocasionalmente temos a tarefa reversa, isto é, temos uma estrutura de dados como por exemplo um dicionário ou o que quer que seja e gostariamos de guardar estes dados numa planilha Excel.
Vejamos como fazê-lo usando nosso módulo openpyxl.
Para exemplificar usaremos nosso dicionário dic que está criado e salvaremos o mesmo numa nova planilha chamada 'camara.xlsx'.
A sequência de passos é a seguinte:

• criar um novo workbook (já vem com um sheet, vazio, chamado 'Sheet')
• renomear o worksheet default com o nome desejado
• escrever dados nas células da planilha
• salvar o workbook num arquivo xlsx

In [ ]:

# cria um novo workbook contendo um worksheet vazio
wb = openpyxl.Workbook()

# vejamos os nomes de planilhas criadas
wb.get_sheet_names()

In [ ]:

# mudemos o nome para Lista de deputados
sheet = wb.get_sheet_by_name('Sheet')
print(sheet.title)
sheet.title = 'Lista de deputados'
sheet.title

Vamos percorrer as chaves do dicionário dic e para cada chave (que é o nome de um deputado) pegamos seu valor correspondente. Do valor obtemos o partido, a uf e o status.
Colocamos nome, partido, uf, status nesta ordem nas células de uma linha e passamos para a chave seguinte.

In [ ]:

# percorre todos items do dicionario
rw = 1
for key,val in dic.items():
    nome = key
    partido = val[0]
    uf = val[1]
    status = val[2]
    
    # preenche as células na linha de indice rw
    lin = str(rw)
    sheet['A' + lin] = nome
    sheet['B' + lin] = partido
    sheet['C' + lin] = uf
    sheet['D' + lin] = status
    
    # proxima linha
    rw = rw + 1

OK preenchemos a planilha com os dados de nosso dicionario. Agora precisamos salvar o arquivo Excel correspondente. Isto é feito pelo método save(nome) de objetos workbook

In [ ]:

wb.save('camara.xlsx')

Se tudo foi bem deve ter aparecido um arquivo camara.xlsx no diretório corrente. Abrindo este arquivo com o Excel deve aparecer algo assim:

Existe uma série de outras coisas que podemos manipular numa planilha usando nosso módulo openpyxl. Por exemplo:

• modificar fontes de texto, largura e altura de colunas
• mudar cores de fundo de células
• inserir formulas em células, no padrão do Excel
• criar e inserir gráficos na planilha
• etc

Entretanto para nossos fins neste curso basta o já visto. Se você tem interesse consulte o livro referência para detalhes.