如何在Python中加载最初具有.xls文件扩展名的xlsx？

Question

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

然后我得到一个表面上是.xls文件的文件，所以我尝试xlrd.open_workbook()，得到：

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

我看了一下this问题，我猜想我的文件虽然以扩展名.xls结尾，但实际上一定是.xlsx。实际上，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，我不能发布整个文件，但我们的分析可能不需要它）。

所以我推测如果我把它复制到一个.xlsx上，我应该可以用openpyxl.load_workbook()打开它，但是我得到：

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Icp到一个.xlsx之后，该怎么办？

注意：如果我在Excel中打开.xls，将其另存为.xlsx，然后用openpyxl重试，它确实可以很好地加载，但这一手动步骤不是我在执行程序时所能拥有的奢侈。

Answer 1

我不在OSX上，所以这不是测试。尽管缺少支持，您仍然可以使用appscript包来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 2

我也有类似的问题。结果它需要绝对的文件路径。E、 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 3

有一点很清楚：您试图打开的文件的格式与扩展名建议的格式不同。

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，如果用文本编辑器打开xls文件，就会看到乱七八糟的内容。

• Excel 2007格式（xlsx）完全不同。xlsx文件是一个zip文件，其中包含一堆XML文件。您可以使用zip archiver来提取xlsx文件的内容。然后，可以使用任何文本编辑器编辑XML文件。然而，直接用文本编辑器打开一个xlsx文件就像用文本编辑器打开一个zip文件：你会看到一些乱七八糟的东西。

您可以用文本编辑器打开文件（并读取其内容），这表明它既不是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，而是一个普通的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试图将文件作为xlsx文件打开，因此是zip文件。但是当它试图提取其内容时，它失败了，因为您的文件甚至不是一个zip文件。

但是，如果该文件既不是xlsx文件，也不是xls文件，那么Microsoft Excel如何读取它？我也很好奇。经过一番研究，我相信你的档案里有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，难怪它可以读取您的文件。

不幸的是，Python库如xlrd和openpyxl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它转换成支持的格式。