如何在 Python 中加载最初具有 .xls 文件扩展名的 xlsx？

Question

我用xlrd处理.xls文件，用openpyxl处理.xlsx文件，效果很好。

然后我收到了一个表面上是 .xls 的文件，所以我尝试xlrd.open_workbook()，然后得到：

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

我查看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）。

所以我推测，如果我只是将 (cp) 复制到 .xlsx，我应该可以使用 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）但不能用xlrd 打开，如果它实际上是一个 xlsx 但不能用openpyxl 打开，即使在我将cp 转换为 . xlsx，怎么办？

注意：如果我在 Excel 中打开 .xls，将其另存为 .xlsx，然后使用 openpyxl 重试，它确实可以正常加载，但这个手动步骤并不是我在执行我的程序。

Answer 1

我遇到了类似的问题。原来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。

Answer 2

我不在 OSX 上，所以没有测试。尽管缺乏支持，您也许可以使用 appscript 包打开有问题的文件并重新保存它。

from appscript import *
excel = app('Microsoft Excel')
wb = excel.open('/path/to/file.xls')
wb.save_as('/path/to/fileout.xlsx', file_format=k.XLSX_file_format)
#not sure the exact name of k.excel_file

Answer 3

有一点很清楚：您尝试打开的文件的格式与其扩展名所建议的格式不同。

如您所知，Excel 文件格式包括（但不限于）xls 和 xlsx。

• Excel 2003 格式 (xls) 是一种二进制格式。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 存档器来提取 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，直接使用文本编辑器打开 xlsx 文件就像使用文本编辑器打开 zip 文件一样：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，它是一个 plain XML 文件。

而且，这个错误信息说明了很多。

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。但是当它尝试提取其内容时，它会失败，因为您的文件甚至不是 zip 文件。

但如果文件既不是xlsx 文件也不是xls 文件，Microsoft Excel 如何读取它？我也想知道。经过一番研究，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，因此它可以读取您的文件也就不足为奇了。

很遗憾，xlrd 和 openpyxl 等 Python 库仅支持 xls 和 xlsx 文件格式，因此它们将无法读取您的文件。我认为您只需手动将其转换为受支持的格式。