如何在pandas中导入既非CSV也非Excel格式的URL数据

问题原因 #

你直接传入的URL是世界银行的HTML展示页面，并非结构化的CSV/Excel文件直链，pd.read_csv 和 pd.read_excel 只能识别对应格式的文件流，无法解析HTML内容，因此读取失败。

解决方案 #

方案1：使用官方CSV文件（最稳定） #

• 访问目标页面后点击右上角的CSV下载按钮，将数据文件保存到本地
• 读取时跳过前4行元数据说明即可拿到结构化数据，代码示例：

import pandas as pd
# skiprows=4对应跳过世界银行CSV文件前4行的表头说明
df = pd.read_csv("本地CSV文件的存储路径.csv", skiprows=4)

方案2：直接读取页面内嵌表格（无需手动下载） #

该方法依赖lxml解析库，执行代码前先运行pip install lxml完成安装。

• 基础版代码：

import pandas as pd
# read_html会自动识别页面所有HTML表格，返回表格列表，目标数据一般在列表下标为1的位置，可根据实际返回结果调整下标
tables = pd.read_html("https://data.worldbank.org/indicator/NY.GDP.MKTP.CD")
df = tables[1]

• 反爬兼容版：如果触发网站反爬限制，可以增加请求头伪装浏览器访问：

import pandas as pd
import requests

# 伪装浏览器请求头
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}
response = requests.get("https://data.worldbank.org/indicator/NY.GDP.MKTP.CD", headers=headers)
tables = pd.read_html(response.text)
df = tables[1]

内容的提问来源于stack exchange，提问作者Hajar hajar