使用Python pandas将.xml转.xlsx时报BadZipFile错误该如何解决

直接修改后缀名把XML改为xlsx的操作仅修改了文件名标识，没有转换文件本质格式。xlsx是基于ZIP压缩的结构化格式，而你生成的file.xlsx本质还是纯XML文本，因此pandas调用openpyxl读取时会抛出BadZipFile错误。你手动用Excel打开再保存时，Excel会自动将兼容的XML表格格式转换为标准xlsx格式，因此可以被pandas正常读取。

• 方案1：直接解析XML生成DataFrame（无需转Excel，效率最高）
  Pandas 1.3.0及以上版本内置read_xml函数，对Excel可直接打开的SpreadsheetML格式XML兼容性很好，可直接读取：

import pandas as pd
# 基础用法，大多数场景可直接生效
df = pd.read_xml("file.xml")
# 若默认读取不到对应表格，可调整xpath参数指定数据节点路径，例：
# df = pd.read_xml("file.xml", xpath=".//row")

如果read_xml无法适配你的XML结构，可借助xmltodict库先将XML转为字典结构，再加工为DataFrame，首先安装依赖：pip install xmltodict，参考代码：

import xmltodict
import pandas as pd

with open("file.xml", "r", encoding="utf-8") as f:
    xml_dict = xmltodict.parse(f.read())
# 按XML实际层级提取表格数据，示例为根节点下的row节点集合
table_data = xml_dict["根节点名"]["row节点名"]
df = pd.DataFrame(table_data)

• 方案2：自动完成Excel格式转换（无需手动打开保存）
  Windows环境可调用win32com模拟Excel操作完成转换，首先安装依赖：pip install pywin32，参考代码：

import win32com.client as win32
import pandas as pd

# 路径需使用绝对路径
xml_path = r"C:\xxx\file.xml"
xlsx_path = r"C:\xxx\file.xlsx"

excel = win32.gencache.EnsureDispatch('Excel.Application')
wb = excel.Workbooks.Open(xml_path)
wb.SaveAs(xlsx_path, FileFormat=51)
wb.Close()
excel.Quit()

df = pd.read_excel(xlsx_path, engine="openpyxl")

跨平台环境可调用LibreOffice命令行完成转换，参考代码：

import subprocess
import pandas as pd

subprocess.run(["libreoffice", "--headless", "--convert-to", "xlsx", "file.xml"])
df = pd.read_excel("file.xlsx", engine="openpyxl")

内容的提问来源于stack exchange，提问作者Mirko