Python读取SharePoint中XLSX文件失败：获取内容为HTML而非Excel

问题核心 #

通过office365库认证SharePoint成功，但调用File.open_binary()获取的内容是HTML页面而非Excel二进制流，导致pandas.read_excel()用openpyxl/xlrd解析时抛出压缩包或格式错误。

根本原因 #

哪怕认证状态码返回200，若未通过SharePoint对象模型正确定位文件，而是误获取了文件的网页预览/跳转页面，就会拿到HTML内容。此外，office365库的操作是延迟执行的，未调用execute_query()就获取内容也可能导致异常。

正确解决方案 #

通过SharePoint客户端上下文逐步定位到目标文件，确保获取真实的Excel二进制流，再传入Pandas解析：

完整代码示例 #

from office365.sharepoint.client_context import ClientContext
from office365.runtime.auth.user_credential import UserCredential
import pandas as pd
from io import BytesIO

# 1. 初始化SharePoint上下文并完成认证
site_url = "https://your-tenant.sharepoint.com/sites/your-site"
ctx = ClientContext(site_url).with_credentials(UserCredential("your-username", "your-password"))

# 2. 精准定位目标文件（替换为你的文档库名称和文件路径）
# 示例：文档库名为"业务数据"，文件在根目录下的data.xlsx
doc_library = ctx.web.lists.get_by_title("业务数据")
file_item = doc_library.items.get_by_url("data.xlsx")
file = file_item.file

# 3. 执行查询，拉取文件元数据
ctx.load(file)
ctx.execute_query()

# 4. 获取二进制内容并转为BytesIO流
binary_stream = file.open_binary()
excel_buffer = BytesIO(binary_stream.content)

# 5. 读取指定工作表到DataFrame
df = pd.read_excel(excel_buffer, sheet_name="Input")

关键排查点 #

• 文件路径准确性：若文件在子文件夹中，需传入完整相对路径，比如"报表文件夹/2024年/data.xlsx"
• 权限验证：确认认证账号对该文件有明确的读取权限，权限不足时SharePoint可能返回权限提示HTML
• 避免直接使用网页URL：不要用浏览器打开文件的URL直接请求，必须通过SharePoint对象模型定位文件对象

内容的提问来源于stack exchange，提问作者MVKXXX