如何使用pandas正确读取xls文件并解决多文件合并异常

代码中错误使用pd.read_csv()方法读取.xls格式的二进制Excel文件，是导致乱码、无效内容的根本原因。
pd.read_csv()仅适用于读取纯文本分隔符格式的文件（如.csv/.tsv），直接用它解析二进制结构的xls文件时，会把文件内部存储的格式样式（你看到的CSS片段就属于这类格式元数据）、二进制编码内容、文件路径信息全部当成普通文本解析，自然无法得到结构化的有效表格数据。

• 安装xls格式读取依赖
  pandas读取老式xls格式需要依赖xlrd库，先在终端执行安装命令：
  pip install xlrd
  如果安装后遇到版本兼容报错，换用适配性更广的1.2.0版本即可：
  pip install xlrd==1.2.0
• 替换读取方法，调整冗余参数
  把代码中读取文件的pd.read_csv()替换为专门读取Excel格式的pd.read_excel()，同时删除sep/encoding/on_bad_lines这些仅适用于csv读取的无效参数，保留你原本设置的header=3（即表头在第4行，索引从0开始计数）逻辑即可。

import pandas as pd
from glob import glob

# 匹配路径下所有符合命名规则的xls文件
file_list = sorted(glob(r'C:\Users\de0186619\Documents\saldo_usuario_*.xls'))

df_container = []
for file_path in file_list:
    # 按指定表头位置读取单个xls文件
    single_df = pd.read_excel(file_path, header=3)
    # 新增列标记数据来源文件，和原代码逻辑一致
    single_df['filename'] = file_path
    df_container.append(single_df)

# 纵向合并所有表格
merged_df = pd.concat(df_container, ignore_index=True)

# 打印预览结果，同时保存为本地Excel文件
print(merged_df)
merged_df.to_excel(r'C:\Users\de0186619\Documents\saldo_usuario_merged.xlsx', index=False)

如果替换方法后依然读取异常，先手动打开一个目标xls文件确认：部分系统导出的文件会把html格式的表格直接改后缀为.xls，这类假xls文件需要针对性调整读取逻辑，但从目前输出包含CSS片段的现象判断，90%以上的概率是错误使用read_csv方法导致的，替换后即可得到保留原有结构、包含全部原始数据的合并文件。

内容的提问来源于stack exchange，提问作者Vinícius Donato