然后我交给了表面上是.xls文件的东西,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的问题,我猜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).
所以我猜测,如果我只是将它复制(cp)到.xlsx,我应该可以用openpyxl.load_workbook()打开它,但我得到：
BadZipfile: File is not a zip file
如果它实际上是一个xls(不太可能)但是不能用xlrd打开,并且如果它是一个xlsx,但是无法用openpyxl打开,即使我将它转换为.xlsx,该怎么办？
注意：如果我在Excel中打开.xls,将其保存为.xlsx,并使用openpyxl重试,它确实可以正常加载,但这个手动步骤并不是我执行程序时的奢侈.
解决方法
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,您将看到乱码.
> 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存档程序提取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文件就像用文本编辑器打开一个zip文件：你只会看到乱码.
您可以使用文本编辑器打开文件(并读取其内容)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,它是一个普通的XML文件.
此外,此错误消息说了很多.
BadZipfile: File is not a zip file
这意味着openpyxl试图将您的文件作为xlsx文件打开,因此也就是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.
但是如果文件既不是xlsx文件也不是xls文件,那么Microsoft Excel如何读取它呢？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看起来非常类似你发布的文件内容.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库只支持xls和xlsx文件格式,因此它们无法读取您的文件.我想你只需要手动将其转换为支持的格式.