使用Python在Excel工作表中插入、提取和管理OLE对象_Python

引言

ole（object linking and embedding）对象是 excel 中一种强大的数据嵌入机制，允许将外部文档——如 word 文档、pdf 文件、powerpoint 演示文稿、音频文件等——直接嵌入到工作表中。这使得 excel 不仅仅是一个电子表格工具，还可以作为多种类型文档的容器。在自动化报表生成、数据归档和文档管理场景中，以编程方式插入和提取 ole 对象可以显著提高效率。本文将详细介绍如何使用 python 在 excel 工作表中插入、提取和管理 ole 对象。

为什么以编程方式管理 ole 对象

与手动在 excel 中插入对象相比，编程方式具有以下优势：

批量嵌入：将多个外部文档一次性嵌入到工作表中，无需逐个操作
自动化归档：将关联文档与数据绑定存储，确保数据与上下文文档不分离
文档提取：从工作表中批量提取嵌入的文档，用于后续处理或转换
流程集成：将 ole 对象操作集成到数据处理管道中，实现端到端自动化

环境搭建

本文使用 spire.xls for python，它提供了全面的 api 来操作 excel 工作簿和工作表，包括 ole 对象的插入和提取。

pip install spire.xls

安装完成后，即可在 python 脚本中导入相关模块开始工作。

插入 ole 对象

插入 ole 对象的核心是提供源文件路径和用于显示的预览图像。以下代码演示了如何将一个 excel 文件作为 ole 对象嵌入到工作表中：

from spire.xls import *
from spire.xls.common import *


def generateimage(filename):
        book = workbook()
        book.loadfromfile(filename)
        book.worksheets[0].pagesetup.leftmargin = 0
        book.worksheets[0].pagesetup.rightmargin = 0
        book.worksheets[0].pagesetup.topmargin = 0
        book.worksheets[0].pagesetup.bottommargin = 0
        return book.worksheets[0].toimage(1, 1, 19, 5)

inputfile = "./data/insertoleobjects.xls"
outputfile = "insertoleobjects.xlsx"

# 创建工作簿并获取第一个工作表
workbook = workbook()
ws = workbook.worksheets[0]
ws.range["a1"].text = "here is an ole object."

# 生成预览图像并插入 ole 对象
image = generateimage(inputfile)
oleobject = ws.oleobjects.add(inputfile, image, olelinktype.embed)
oleobject.location = ws.range["b4"]
oleobject.objecttype = oleobjecttype.excelworksheet

# 保存文件
workbook.savetofile(outputfile, excelversion.version2010)
workbook.dispose()

代码中的关键步骤说明：

生成预览图像：generateimage() 函数加载源文件并将其第一页转换为图像，该图像将作为 ole 对象在工作表中的显示占位符。
添加 ole 对象：oleobjects.add() 方法接受三个参数——源文件路径、预览图像和链接类型。olelinktype.embed 表示将对象嵌入到工作簿中（而非外部链接）。
设置位置和类型：location 属性指定 ole 对象在工作表中的锚定单元格，objecttype 属性设置嵌入对象的类型（此处为 excel 工作表）。

插入音频文件作为 ole 对象

除了文档文件，ole 对象也支持嵌入音频等多媒体文件。以下代码演示了如何将 wav 音频文件嵌入到工作表中：

from spire.xls import *
from spire.xls.common import *


inputfile = "./data/wavfilesample.wav"
inputimg = "./data/spirexls.png"
outputfile = "insertwavfileoleobject.xlsx"

# 创建工作簿并获取第一个工作表
workbook = workbook()
sheet = workbook.worksheets[0]

# 使用自定义图像作为预览，添加音频 ole 对象
with stream(inputimg) as fs:
    oleobject = sheet.oleobjects.add(inputfile, fs, olelinktype.embed)

# 设置位置和对象类型
oleobject.location = sheet.range["b4"]
oleobject.objecttype = oleobjecttype.package

workbook.savetofile(outputfile, excelversion.version2010)
workbook.dispose()

与插入文档文件的主要区别在于：

预览图像来源：使用外部图片文件（spirexls.png）通过 stream 对象作为预览图像，而非从源文件自动生成。
对象类型：oleobjecttype.package 表示将文件作为通用包对象嵌入，适用于音频、视频等非文档类型的文件。

提取 ole 对象

在文档管理和数据归档场景中，从 excel 工作表中提取嵌入的 ole 对象是一个常见需求。以下代码演示了如何从工作表中提取不同类型的嵌入文档：

from spire.xls import *
from spire.xls.common import *


def writeallbytes(fname: str, data):
    fp = open(fname, "wb")
    for d in data:
        fp.write(d)
    fp.close()

inputfile = "./data/extractole2.xlsx"

workbook = workbook()
workbook.loadfromfile(inputfile)
sheet = workbook.worksheets[0]

# 检查工作表是否包含 ole 对象
if sheet.hasoleobjects:
    for obj in sheet.oleobjects:
        type = obj.objecttype
        # 提取 word 文档
        if type is oleobjecttype.worddocument:
            writeallbytes("extractedword.docx", obj.oledata)
        # 提取 pdf 文档
        elif type is oleobjecttype.adobeacrobatdocument:
            writeallbytes("extractedpdf.pdf", obj.oledata)
        # 提取 powerpoint 文档
        elif type is oleobjecttype.powerpointslide:
            writeallbytes("extractedppt.pptx", obj.oledata)

workbook.dispose()

提取过程的核心逻辑：

检测 ole 对象：hasoleobjects 属性首先检查工作表是否包含 ole 对象，避免不必要的遍历。
类型判断：通过 objecttype 属性判断每个 ole 对象的具体类型，如 worddocument、adobeacrobatdocument、powerpointslide 等。
数据提取：oledata 属性返回 ole 对象的原始二进制数据，通过 writeallbytes() 函数将其写入对应的文件。

获取 ole 对象的原始文档名称

每个 ole 对象都保留了原始文档的名称信息，这在追踪嵌入文档来源时非常有用：

from spire.xls.common import *
from spire.xls import *

inputfile = "data/extractoleobjectname.xlsx"

# 创建工作簿并加载文件
workbook = workbook()
workbook.loadfromfile(inputfile)

# 获取第一个工作表
sheet = workbook.worksheets[0]

information = ""

# 遍历所有 ole 对象，获取原始文档名称
for ole in sheet.oleobjects:
    ole_name = ole.originname
    information += ole_name + "\r\n"

print(information)

workbook.dispose()

originname 属性返回 ole 对象嵌入时使用的原始文件名。通过遍历所有 ole 对象并收集名称信息，可以快速生成嵌入文档的清单。

实战技巧

批量提取并分类保存 ole 对象

在实际应用中，工作表可能包含多种类型的 ole 对象。以下代码展示了如何批量提取并按类型分类保存：

type_mapping = {
    oleobjecttype.worddocument: ".docx",
    oleobjecttype.adobeacrobatdocument: ".pdf",
    oleobjecttype.powerpointslide: ".pptx",
    oleobjecttype.excelworksheet: ".xlsx"
}

if sheet.hasoleobjects:
    for index, obj in enumerate(sheet.oleobjects):
        ext = type_mapping.get(obj.objecttype, ".bin")
        filename = f"ole_object_{index}{ext}"
        writeallbytes(filename, obj.oledata)
        print(f"已提取: {filename} (类型: {obj.objecttype})")

通过类型映射字典将 objecttype 转换为文件扩展名，可以自动为提取的文件赋予正确的后缀，便于后续打开和处理。

遍历多个工作表提取 ole 对象

当工作簿的多个工作表都包含 ole 对象时，需要遍历所有工作表进行提取：

for sheet_index in range(workbook.worksheets.count):
    sheet = workbook.worksheets[sheet_index]
    if sheet.hasoleobjects:
        for obj in sheet.oleobjects:
            print(f"工作表 {sheet_index + 1}: {obj.originname} - {obj.objecttype}")

这段代码会扫描整个工作簿，报告每个工作表中 ole 对象的名称和类型，适用于文档审计和内容盘点场景。