如何用Python读取Strict Open XML格式的.xlsx文件？

针对Strict Open XML格式的.xlsx文件，常规pandas读取方法失效，这里提供两种可行的自动化解决方案：

方法一：利用openpyxl的Strict模式读取 #

openpyxl原生支持Strict Open XML标准，只需在pd.read_excel中指定引擎并传递strict参数即可：

import pandas as pd

# 读取Strict格式的xlsx文件
df = pd.read_excel(
    "your_strict_file.xlsx",
    engine="openpyxl",
    engine_kwargs={"strict": True}
)

注意：执行前确保已安装openpyxl，若未安装可运行pip install openpyxl。

方法二：手动解析XML内容（兜底方案） #

如果上述方法仍有问题，可直接解压xlsx文件（本质是zip包）并解析内部的XML数据：

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

# Strict格式的XML命名空间
ns = {'ss': 'http://purl.oclc.org/ooxml/spreadsheetml/main'}

with zipfile.ZipFile("your_strict_file.xlsx", 'r') as zf:
    # 读取第一个工作表的XML文件，多工作表需遍历sheetN.xml
    with zf.open('xl/worksheets/sheet1.xml') as f:
        tree = ET.parse(f)
        root = tree.getroot()

# 提取行和单元格数据
rows = []
for row in root.findall('.//ss:row', ns):
    cell_values = []
    for cell in row.findall('.//ss:c', ns):
        # 获取单元格值，处理空值情况
        value_elem = cell.find('.//ss:v', ns)
        cell_values.append(value_elem.text if value_elem is not None else '')
    rows.append(cell_values)

# 转换为DataFrame，第一行作为表头
df = pd.DataFrame(rows[1:], columns=rows[0])

这种方法无需依赖第三方Excel处理库，直接操作底层XML，适合极端场景下的自动化流程。

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