读取Excel文件报嵌入空字符及格式与扩展名不匹配错误如何解决？

错误根因 #

• 打开Excel弹出格式与扩展名不匹配提示，说明该文件并非标准.xls二进制格式文件，大概率是被人为修改了扩展名的文本类文件（csv/tsv/html格式改后缀伪装成xls），或是存在损坏、加密的异常文件
• 原代码写法存在逻辑错误：read_csv/read_excel可直接接收文件路径参数，不需要手动open读取文件内容后传入，手动读取内容时遇到文件内的空字符就会直接触发embedded null character报错

分步解决方法 #

第一步：修正代码写法，直接传递文件路径调用pandas接口 #

优先尝试用xls专用引擎读取：

import pandas as pd
file_path = r"C:\Users\my_username\Documents\my_file.xls"
# 用xlrd引擎读取xls格式文件
try:
    df = pd.read_excel(file_path, engine="xlrd")
except Exception as e:
    print(f"excel格式读取失败: {e}")

如果上述代码报错，说明文件本质不是xls格式，尝试按文本文件读取：

# 先试国内常用的gbk编码，自动忽略编码错误和异常行
try:
    df = pd.read_csv(
        file_path,
        encoding="gbk",
        encoding_errors="ignore",
        on_bad_lines="skip"
    )
except Exception as e:
    # 换utf-8编码重试
    df = pd.read_csv(
        file_path,
        encoding="utf-8",
        encoding_errors="ignore",
        on_bad_lines="skip"
    )

第二步：手动预处理清除空字符 #

如果仍然报空字符相关错误，先读取二进制内容清除所有空字符后再读取：

from io import BytesIO

# 读取二进制内容并替换所有空字符
with open(file_path, "rb") as f:
    content = f.read().replace(b"\x00", b")

# 先尝试按excel格式读取处理后的内容
try:
    df = pd.read_excel(BytesIO(content), engine="xlrd")
# 失败则按文本格式读取
except:
    df = pd.read_csv(BytesIO(content), encoding="gbk", encoding_errors="ignore")

第三步：特殊格式兼容处理 #

如果以上方法都失效，可手动用记事本打开该xls文件，判断真实格式后适配处理：

• 若打开后是带<table>标签的html内容，说明是网页导出的表格，改用pd.read_html(file_path)读取
• 若打开后是逗号/制表符分隔的纯文本，直接修改文件扩展名为.csv后再用read_csv读取
• 若打开是乱码，说明文件已损坏或加密，需要先解密或重新获取原始未修改的文件

内容的提问来源于stack exchange，提问作者Python account