Pandas read_excel报list index out of range错误及批量处理方案问询

你的报错是pandas默认读取xlsx的引擎openpyxl读取样式表时索引越界，核心原因是你下载的文件实际是.xls格式，只是网站服务器错误给文件加了.xlsx后缀，文件本身没有损坏，你手动另存为.xls可正常读取也验证了这一点。

方案1：读取时强制指定xls读取引擎（最简便，无需修改原文件） #

直接在read_excel中指定使用xlrd引擎，该引擎专门用于读取.xls格式，不会受文件后缀名干扰：

import pandas as pd
import os

# 目标文件夹路径
folder_path = r'M:\PUBLIC\Felipe Dias\ONS'

# 批量读取所有目标文件
for filename in os.listdir(folder_path):
    if filename.endswith('.xlsx'):
        file_path = os.path.join(folder_path, filename)
        df = pd.read_excel(file_path, engine='xlrd')
        # 后续处理逻辑写在这里

如果环境中未安装xlrd，执行pip install xlrd安装即可，高版本xlrd仅不支持.xlsx格式读取，完全适配你的场景。

方案2：批量修正文件后缀（适合需要统一文件格式的场景） #

你可以通过判断二进制文件头自动识别实际格式，批量把后缀错误的.xlsx文件重命名为.xls，避免后续读取再出现兼容问题：

import os

folder_path = r'M:\PUBLIC\Felipe Dias\ONS'
for filename in os.listdir(folder_path):
    if not filename.endswith('.xlsx'):
        continue
    file_path = os.path.join(folder_path, filename)
    # 读取前4字节判断实际格式
    with open(file_path, 'rb') as f:
        file_header = f.read(4)
    # .xls文件头为b'\xd0\xcf\x11\xe0'，.xlsx为zip格式头b'PK\x03\x04'
    if file_header == b'\xd0\xcf\x11\xe0':
        new_filename = f"{os.path.splitext(filename)[0]}.xls"
        os.rename(file_path, os.path.join(folder_path, new_filename))

方案3：通用兼容读取函数（适合文件夹内同时存在真.xlsx和格式错误文件的场景） #

如果你的文件夹内既有真实的.xlsx文件，也有后缀错误的文件，可以写自动兼容的读取函数，自动尝试不同引擎：

import pandas as pd

def read_excel_compatible(file_path, **kwargs):
    # 先尝试读取标准.xlsx格式
    try:
        return pd.read_excel(file_path, engine='openpyxl', **kwargs)
    # 读取失败则尝试用xls引擎读取
    except Exception:
        return pd.read_excel(file_path, engine='xlrd', **kwargs)

# 调用示例
df = read_excel_compatible(r'M:\PUBLIC\Felipe Dias\ONS\DIARIO_16-11-2021.xlsx')

内容的提问来源于stack exchange，提问作者femdias