使用Python读取.xlsx文件的最快方法

我正在尝试使用Python将.xlsx文件中的数据读入MysqL数据库.

这是我的代码：

wb = openpyxl.load_workbook(filename="file", read_only=True)
ws = wb['My Worksheet']

conn = MysqLdb.connect()
cursor = conn.cursor()

cursor.execute("SET autocommit = 0")

for row in ws.iter_rows(row_offset=1):
     sql_row = # data i need
     cursor.execute("INSERT sql_row")

conn.commit() 

不幸的是,openpyxl的ws.iter_rows()非常缓慢.我尝试过使用xlrd和pandas模块的类似方法.仍然很慢.有什么想法吗？

解决方法:

您确实需要对代码进行基准测试,并提供有关工作表大小和处理代码所需时间的信息.

openpyxl的只读模式本质上是一种内存优化,可以避免将整个工作表加载到内存中.在解析Excel工作表时,涉及的大多数工作都是将XML转换为Python,并且存在限制.

但是,我想到了两个优化：

>将sql语句保留在循环之外
>使用executemany一次将大量行传递给驱动程序

这些可以组合在一起

INSERT_sql = "INSERT INTO mytable (name, age…) VALUES (%s, %s, …)"
c.executemany(INSERT_sql, ws.values)

如果您只想要行的子集,那么请查看使用itertools.islice

这应该比你当前的代码更快,但你不应该期待奇迹.

说到纯性能,xlrd在读取工作表时比openpyxl快一点,因为它的内存占用量较小,主要与只读库相关.但它总是将整个工作簿加载到内存中,这可能不是您想要的.