从URL读取Excel数据集遇ValueError：需手动指定引擎的技术求助

问题根源分析 #

你遇到的错误来自三个核心问题：

1. 在线URL并非直接Excel文件链接：你使用的data.world URL指向网页界面，而非文件的直接下载地址，requests.get获取到的是HTML内容而非Excel二进制数据，导致pandas无法识别文件格式。
2. 本地文件读取逻辑错误：上传xls/xlsx文件时，代码错误调用pd.read_csv，且未指定Excel读取引擎，会引发格式识别问题。
3. 缺少Excel依赖引擎：pandas读取Excel文件需要xlrd（针对xls格式）或openpyxl（针对xlsx格式）库，若未安装或未指定引擎，也会触发该错误。

解决方案 #

1. 安装必要依赖 #

执行以下命令安装Excel读取所需依赖：

pip install xlrd openpyxl

2. 修复在线数据获取 #

替换为文件的直接下载链接（可通过data.world页面的「Download」按钮获取真实地址），确保请求返回二进制文件内容。

3. 修复本地文件读取逻辑 #

根据上传文件的后缀名，动态选择读取方法，并指定对应的Excel引擎。

修改后的完整代码 #

import streamlit as st
import plotly.express as px
import pandas as pd
import requests
import os
from io import BytesIO
import warnings
warnings.filterwarnings('ignore')
import plotly.figure_factory as ff

# 文件上传模块
fl = st.file_uploader(":file_folder: Upload a file", type=("csv","txt","xlsx","xls"))
if fl is not None:
    filename = fl.name
    st.write(filename)
    # 根据文件后缀选择读取方式
    if filename.endswith(('.csv', '.txt')):
        df = pd.read_csv(fl, encoding="ISO-8859-1")
    elif filename.endswith(('.xlsx', '.xls')):
        # 按格式指定引擎：xls用xlrd，xlsx用openpyxl
        engine = 'xlrd' if filename.endswith('.xls') else 'openpyxl'
        df = pd.read_excel(fl, engine=engine)
else:
    # 使用文件直接下载链接
    url = "https://download.data.world/missdataviz/superstore-2021/Sample+-+Superstore.xls"
    response = requests.get(url)
    if response.status_code == 200:
        source_data = response.content
        # 指定xls格式对应的引擎
        df = pd.read_excel(BytesIO(source_data), engine='xlrd')
    else:
        st.error("无法获取在线数据，请检查链接有效性")

关键改动说明 #

• 本地读取优化：通过后缀判断读取方法，避免用csv逻辑读取Excel文件，同时明确指定引擎。
• 在线读取修复：替换为直接下载链接，确保获取到真实的Excel二进制数据，补充请求状态检查避免崩溃。

内容的提问来源于stack exchange，提问作者Ty_Ronmi