使用Python从URL下载Excel文件失败：文件损坏、404错误如何修复？

问题根源 #

你遇到的问题本质是生成的URL不正确，导致请求返回404状态码，下载的内容是网站的404错误页面（而非真实Excel文件），所以Excel无法打开，pandas读取时会抛出BadZipFile错误。

具体错误点：

• 目标URL年份是4位格式（如2024），但你用%y格式化得到的是两位年份（如24），路径不匹配。
• 用timedelta(30)计算上月的方式不可靠，不同月份天数不同，可能导致月份计算错误。

修复步骤 #

1. 生成正确的目标URL #

替换错误的日期格式化方式，改用4位年份%Y，并准确计算上个月的年月：

from datetime import datetime

today = datetime.now()
# 计算上个月的年份和月份
if today.month == 1:
    last_year = today.year - 1
    last_month = 12
else:
    last_year = today.year
    last_month = today.month - 1

# 格式化月份为两位数字（如3转为03），拼接正确URL
url = f'https://www.gso.gov.vn/wp-content/uploads/{last_year}/{last_month:02d}/IIP-ENG.xlsx'

2. 安全下载并验证文件 #

添加状态码检查，仅当请求成功（状态码200）时才写入文件，避免保存错误页面：

import requests

resp = requests.get(url)
# 检查请求是否成功
if resp.status_code == 200:
    # 使用with语句自动关闭文件，更安全
    with open('IIP.xlsx', 'wb') as output:
        output.write(resp.content)
    print("文件下载成功")
else:
    print(f"下载失败：状态码{resp.status_code}，请检查URL是否正确")

3. 读取Excel文件（可选） #

确保下载的是有效文件后，再用pandas读取：

import pandas as pd

try:
    df = pd.read_excel('IIP.xlsx', sheet_name=0, engine='openpyxl')
    print(df.head(5))
except Exception as e:
    print(f"读取文件失败：{str(e)}")

额外注意事项 #

• 尽量避免使用verify=False，除非确认目标网站SSL证书存在问题，否则会带来安全风险。
• 如果目标文件的更新规则不是固定在上月路径，可能需要额外确认文件的实际存储路径规则。

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