使用Python Pandas打开旧版XLS文件遇阻，求解决方案

问题本质：你下载的文件并非真正的Excel 97-2003（XLS）格式，而是披着.xls后缀的HTML表格文件（从错误信息里的b'\xef\xbb\xbf\xef\xbb\xbf<?'可以看出，这是带重复BOM头的文本格式内容，属于HTML/XML结构）。

正确处理代码 #

直接使用pandas的read_html方法读取（该方法支持读取HTML表格，不管文件后缀是什么）：

读取本地文件 #

import pandas as pd

file_path = "C:/temp/a_file.xls"
# 读取文件中的所有HTML表格，返回DataFrame列表
dfs = pd.read_html(file_path)

# 遍历输出每个表格
for table_index, df in enumerate(dfs):
    print(f"第{table_index+1}个表格：")
    print(df.head())
    # 如需保存为Excel，可执行 df.to_excel(f"table_{table_index+1}.xlsx")

直接读取在线链接 #

如果无需下载到本地，也可以直接读取URL：

import pandas as pd

url = "https://www.ishares.com/us/products/239566/ishares-iboxx-investment-grade-corporate-bond-etf/1521942788811.ajax?fileType=xls&fileName=iShares-iBoxx--Investment-Grade-Corporate-Bond-ETF_fund&dataType=fund"
dfs = pd.read_html(url)

for table_index, df in enumerate(dfs):
    print(f"第{table_index+1}个表格：")
    print(df.head())

为什么之前的方法失败 #

• xlrd引擎仅支持老式二进制XLS格式，该文件是文本HTML，缺少XLS文件必需的BOF（文件起始）标记，因此报错。
• openpyxl引擎用于处理XLSX格式（基于ZIP压缩的XML结构），该文件不是ZIP包，所以触发BadZipFile错误。

内容的提问来源于stack exchange，提问作者xymzh