如何解决Python导入Excel 97-2003 XLS文件的格式不支持报错？

你的文件并非真正的Excel 97-2003 XLS格式，而是被重命名为.xls的HTML文件（错误提示里的b'<html xm'已经明确显示文件开头是HTML结构），这也是xlrd、openpyxl等Excel专用库无法读取的原因。

方案1：用pandas直接读取HTML内容 #

pandas的read_html方法可以直接解析这类伪装成xls的HTML表格文件，代码示例：

import pandas as pd

# 读取文件中的所有HTML表格，返回DataFrame列表
table_list = pd.read_html('KONKA_1284314_2023_4.xls')
# 取第一个表格（如果文件包含多个表格，可根据索引选择对应表格）
df = table_list[0]
# 查看数据前几行验证
print(df.head())

方案2：如果是XML结构（你提到类似XML），用XML解析库处理 #

如果文件实际是XML格式，可使用Python内置的xml.etree或第三方库lxml解析，再转换为DataFrame，示例代码（需根据实际XML结构调整节点路径）：

import xml.etree.ElementTree as ET
import pandas as pd

# 解析XML文件
tree = ET.parse('KONKA_1284314_2023_4.xls')
root = tree.getroot()

# 提取数据（示例路径，需根据你的XML实际结构修改）
data_rows = []
for row_node in root.findall('.//row'):
    row_content = [node.text for node in row_node.findall('.//cell')]
    data_rows.append(row_content)

# 转换为DataFrame
df = pd.DataFrame(data_rows)
print(df.head())

xlrd、openpyxl这类库仅支持标准的Excel二进制格式（.xls）和OOXML格式（.xlsx），无法识别伪装成Excel后缀的HTML/XML文件，所以必须用对应格式的解析方法处理。

内容的提问来源于stack exchange，提问作者user25043761