Question

我使用xlrd处理.xls文件，openpyxl处理.xlsx文件，这样做效果很好。

然后我递给了表面上是.xls的文件，所以我尝试xlrd.open_workbook()，得到：

XLRDError: Unsupported format, or corrupt file: Expected BOF record; found '<?xml ve'

我看一下this问题，我推测我的文件虽然以扩展名.xls结尾，但实际上必须是.xlsx。事实上，我可以在文本编辑器中查看它：

<?xml version="1.0" encoding="UTF-8"?>
                      <Workbook xmlns="urn:schemas-microsoft-com:office:spreadsheet"
                       xmlns:x="urn:schemas-microsoft-com:office:excel"
                       xmlns:ss="urn:schemas-microsoft-com:office:spreadsheet"
                       xmlns:html="http://www.w3.org/TR/REC-html40">
:
:
:

（出于隐私原因，我无法发布整个文件，但我们的分析可能不需要它。）

所以我猜测，如果我只是将它（cp）复制到.xlsx，我应该可以用openpyxl.load_workbook()打开它，但我得到了：

BadZipfile: File is not a zip file

如果它实际上是xls（不太可能），但无法使用xlrd打开，如果它实际上是xlsx，但无法使用{{1}打开即使在我openpyxl到.xlsx之后，该怎么办？

注意：如果我在Excel中打开.xls，将其保存为.xlsx，然后使用cp重试，它确实可以正常加载，但这个手动步骤不是我将拥有的奢侈品在执行我的程序时。

Answer 1

有一点很清楚：您尝试打开的文件格式与其扩展程序建议的格式不同。

如您所知，Excel文件格式包括（但不限于）xls和xlsx。

Excel 2003格式（xls）是二进制格式。这意味着如果您使用文本编辑器打开xls文件，您只会看到乱码。
Excel 2007格式（xlsx）完全不同。 xlsx文件是一个zip文件，里面有一堆XML文件。您可以使用zip存档来提取xlsx文件的内容。然后，您可以使用任何文本编辑器编辑XML文件。但是，使用文本编辑器直接打开xlsx文件就像使用文本编辑器打开zip文件：您只会看到乱码。

您可以使用文本编辑器打开文件（并阅读其内容）这一事实表明它既不是xls文件也不是xlsx文件。您的文件既不是二进制文件也不是zip文件，它是 plain XML文件。

此外，此错误消息说明了很多。

BadZipfile: File is not a zip file

这意味着openpyxl正在尝试将您的文件作为xlsx文件打开，因此是zip文件。但是当它试图提取其内容时，它会失败，因为你的文件甚至不是一个zip文件。

但如果该文件既不是xlsx文件也不是xls文件，Microsoft Excel如何读取它？我也想知道。经过一些研究，我相信你的文件有XML Spreadsheet 2003 file format。 This example看起来与您发布的文件内容非常相似。由于Microsoft Excel支持这种格式，因此难怪它可以读取您的文件。

不幸的是，xlrd和openpyxl等Python库仅支持xls和xlsx文件格式，因此无法读取您的文件。我想你只需要手动将其转换为支持的格式。

Answer 2

我不在OSX上，因此未经过测试。您可以使用endsWith软件包，尽管它没有支持，打开有问题的文件并重新保存它。

appscript

Answer 3

我有类似的问题。事实证明它需要绝对文件路径。例如，“c：/dir/filename.xlsx”而不是“filename.xlsx”。相对路径适用于osx，但不适用于Windows。

如何在Python中加载最初具有.xls文件扩展名的xlsx？

3 个答案: