Convierta xlsx a csv en Linux con línea de comando

Estoy buscando una manera de convertir archivos xlsx a archivos csv en Linux.

No quiero usar PHP / Perl ni nada de eso, ya que estoy tratando de procesar varios millones de líneas, por lo que necesito algo rápido. Encontré un programa en los repositorios de Ubuntu llamado xls2csv pero solo convertirá archivos xls (Office 2003) (que estoy usando actualmente) pero necesito soporte para los archivos más nuevos de Excel.

¿Algunas ideas?

La aplicación de hoja de cálculo Gnumeric viene con una utilidad de línea de comando llamada ssconvert que puede convertir entre una variedad de formatos de hoja de cálculo:

$ ssconvert Book1.xlsx newfile.csv
Using exporter Gnumeric_stf:stf_csv

$ cat newfile.csv 
Foo,Bar,Baz
1,2,3
123.6,7.89,
2012/05/14,,
The,last,Line

Para instalar en Ubuntu:

apt-get install gnumeric

Para instalar en Mac:

brew install gnumeric

Puedes hacer esto con LibreOffice:

libreoffice --headless --convert-to csv $filename --outdir $outdir

Por razones que no me quedan claras, es posible que deba ejecutar esto con sudo. Puede hacer que LibreOffice funcione con sudo sin requerir una contraseña agregando esta línea al archivo de sudoers:

users ALL=(ALL) NOPASSWD: libreoffice

Si ya tiene un entorno de escritorio, entonces estoy seguro de que Gnumeric / LibreOffice funcionaría bien, pero en un servidor sin cabeza (como Amazon Web Services), requieren docenas de dependencias que también necesita instalar.

Encontré esta alternativa a Python:

https://github.com/dilshod/xlsx2csv

$ easy_install xlsx2csv
$ xlsx2csv file.xlsx > newfile.csv

Tomó 2 segundos para instalar y funciona de maravilla.

Si tiene varias hojas, puede exportarlas todas a la vez, o una a la vez:

$ xlsx2csv file.xlsx --all > all.csv
$ xlsx2csv file.xlsx --all -p '' > all-no-delimiter.csv
$ xlsx2csv file.xlsx -s 1 > sheet1.csv

También se vincula a varias alternativas creadas en Bash, Python, Ruby y Java.

En bash, utilicé este comando de libreoffice para convertir todos mis archivos xlsx en el directorio actual:

for i   in *.xlsx; do  libreoffice --headless --convert-to csv "$i" ; done

Se ocupa de espacios en el nombre del archivo.

Intenté nuevamente algunos años después, y no funcionó. Este hilo da algunos consejos, pero la solución más rápida fue ejecutar como root (o ejecutar a sudo libreoffice). No elegante, pero rápido.

Use el comando scalc.exe en Windows

Use csvkit

in2csv data.xlsx > data.csv

Para más detalles, consulte sus excelentes documentos

Otra opción sería usar R a través de un pequeño envoltorio bash para mayor comodidad:

xlsx2txt(){
echo '
require(xlsx)
write.table(read.xlsx2(commandArgs(TRUE)[1], 1), stdout(), quote=F, row.names=FALSE, col.names=T, sep="\t")
' | Rscript --vanilla - $1 2>/dev/null
}

xlsx2txt file.xlsx > file.txt

Si el .xlsxarchivo tiene muchas hojas, -sse puede usar la bandera para obtener la hoja que desea. Por ejemplo:

xlsx2csv "my_file.xlsx" -s 2 second_sheet.csv

second_sheet.csvcontendría datos de la segunda hoja en my_file.xlsx.

Usando la aplicación de hoja de cálculo Gnumeric que viene, una utilidad de línea de comandos llamada ssconvert es realmente súper simple:

find . -name '*.xlsx' -exec ssconvert -T Gnumeric_stf:stf_csv {} \;

¡y tu estas listo!

Si puede ejecutar la línea de comandos de Java, puede hacerlo con el Extractor de Excel de Apache POI HSSF . Tiene un mainmétodo que dice ser el extractor de línea de comando . Este parece simplemente deshacerse de todo. Señalan este ejemplo que convierte a CSV . Tendría que compilarlo antes de poder ejecutarlo, pero también tiene un mainmétodo, por lo que no debería tener que codificar mucho para que funcione.

Otra opción que puede volar pero requerirá algo de trabajo en el otro extremo es hacer que sus archivos de Excel lleguen a usted como Excel XML Data u XML Spreadsheet de lo que MS llame ese formato en estos días. Le abrirá un mundo completamente nuevo de oportunidades para que pueda cortarlo y cortarlo en dados de la manera que desee.

Como otros dijeron, libreofficepuede convertir archivos xls a csv. El problema para mí fue la selección de la hoja.

Este script de Python de libreoffice hace un buen trabajo al convertir una sola hoja a CSV.

El uso es:

./libreconverter.py File.xls:"Sheet Name" output.csv

El único inconveniente (por mi parte) es que --headlessno parece funcionar. Tengo una ventana LO que aparece por un segundo y luego se cierra.
Eso está bien conmigo, es la única herramienta que hace el trabajo rápidamente.