Pandas读取.xls文件报XLRDError格式不支持错误如何批量解决

报错信息里的b'\xef\xbb\xbf<?xml'是核心定位标识：你拿到的这批.xls后缀文件，并非传统二进制格式的Excel 97-2003文件，而是被错误标注了.xls后缀的XML格式表格（绝大多数是Excel 2003 SpreadsheetML格式，少数是带表格结构的HTML文件）。
这类文件是老旧公共系统导出时的常见产物：系统生成的是XML/HTML结构的表格内容，直接硬加了.xls后缀。Excel打开时会自动探测文件真实格式，所以会弹出后缀不匹配的提示，点确认就能正常打开，手动另存时Excel会把内容转成标准二进制xls或OOXML xlsx格式，pandas自然能正常读取。
你之前尝试的openpyxl、xlrd、xls2xlsx等库都是按后缀判断解析逻辑，上来就按标准二进制xls/OOXML xlsx的结构去解析，自然会报BOF记录不匹配的错误。另外你贴的示例代码本身存在写法错误，后面会单独说明。

按优先级从高到低排列，优先选无依赖、速度快的方案：

方案1：自动识别格式直接读取（推荐，跨平台、速度最快） #

使用支持自动探测文件真实格式的calamine解析引擎，完全无视错误后缀的影响，不需要做任何转存操作，批量处理效率是所有方案里最高的。

1. 安装依赖：

   pip install pandas>=2.1 python-calamine
   

2. 读取代码示例，直接指定engine参数即可：

   import pandas as pd
   # 直接读取指定工作表，自动识别文件真实格式，不需要改后缀、不需要转存
   first_sheet = pd.read_excel(
       "file_name.xls",
       sheet_name="First Tab Name",
       engine="calamine"
   )
   

这个方案不依赖Microsoft Office组件，Windows、Mac、Linux环境都能跑，对各种错后缀的Excel格式兼容性拉满。

方案2：Windows环境批量转标准xlsx（兼容性最强） #

如果你的运行环境是Windows，且已经安装了Microsoft Excel，可以直接调用Excel COM接口做批量转换，和手动点另存的效果完全一致，哪怕文件里有复杂公式、特殊格式也不会错乱。
转换代码示例：

import os
import win32com.client as win32

def batch_convert_to_xlsx(input_folder, output_folder):
    # 初始化Excel进程，后台运行不弹窗口
    excel = win32.gencache.EnsureDispatch("Excel.Application")
    excel.Visible = False
    excel.DisplayAlerts = False
    os.makedirs(output_folder, exist_ok=True)

    for file_name in os.listdir(input_folder):
        if not file_name.lower().endswith(".xls"):
            continue
        file_path = os.path.abspath(os.path.join(input_folder, file_name))
        # 打开文件时Excel自动识别真实格式，忽略后缀不匹配的提示
        wb = excel.Workbooks.Open(file_path, ReadOnly=True)
        output_path = os.path.abspath(
            os.path.join(output_folder, file_name.replace(".xls", ".xlsx"))
        )
        # FileFormat=51 对应标准xlsx格式
        wb.SaveAs(output_path, FileFormat=51)
        wb.Close()
    
    excel.Quit()

转换完成后直接用pandas读输出目录里的标准xlsx文件即可，不会有任何报错。

方案3：按真实格式单独解析（无需额外安装大依赖） #

如果不方便装calamine，也可以先读文件头判断真实格式，再选对应的解析方式：

import pandas as pd

def read_fake_xls(file_path, sheet_name=0):
    with open(file_path, "rb") as f:
        file_header = f.read(1024).lower()
    # 判断是HTML格式的假xls
    if b"<html" in file_header:
        # read_html返回所有工作表对应的df列表，按sheet序号取即可
        all_sheets = pd.read_html(file_path)
        return all_sheets[sheet_name] if isinstance(sheet_name, int) else all_sheets[0]
    # 判断是XML格式的SpreadsheetML，走openpyxl的xml解析逻辑
    elif file_header.startswith(b"\xef\xbb\xbf<?xml"):
        return pd.read_excel(file_path, sheet_name=sheet_name, engine="openpyxl")
    # 是标准xls，走默认逻辑
    else:
        return pd.read_excel(file_path, sheet_name=sheet_name)

# 调用示例
first_sheet = read_fake_xls("file_name.xls", sheet_name="First Tab Name")

• 你贴的原始代码存在逻辑错误：wb = pd.read_excel("file_name.xls")会直接读取文件默认第一个工作表，返回的是DataFrame对象，不是工作簿实例。再把这个DataFrame作为文件路径传入第二个read_excel调用本身就会触发参数错误，读取指定工作表直接给read_excel传sheet_name参数即可，不需要分两次调用。
• 用zipfile解压文件时，可以在解压后先校验文件头，对这类错后缀的假xls做标记，避免后续读取时走错误的解析逻辑。
• 不要用2.0以上版本的xlrd读取这类文件，xlrd新版本只支持标准二进制xls格式，遇到错后缀的文件必然触发你看到的BOF record报错。

内容的提问来源于stack exchange，提问作者Ollamacare