无需本地下载 从URL直接导入xlsm宏文件到Python转为pandas数据帧

依赖安装 #

首先安装需要的第三方库：

pip install pandas requests openpyxl

完整实现代码 #

import pandas as pd
import requests
from io import BytesIO

# 目标xlsm文件地址
file_url = "https://www.bocsar.nsw.gov.au/Documents/Datasets/RCI_offencebymonth.xlsm"

# 发起网络请求获取文件二进制内容
response = requests.get(file_url)
# 校验请求是否成功，遇到网络错误会直接抛出异常
response.raise_for_status()

# 将二进制内容转为内存中的类文件对象，无需写入本地磁盘
with BytesIO(response.content) as memory_file:
    # 读取xlsm文件，必须指定engine为openpyxl以支持带宏的Excel格式
    # 可通过sheet_name参数指定要读取的工作表，不传默认读取第一个工作表
    df = pd.read_excel(memory_file, engine="openpyxl")

# 测试输出前5行数据
print(df.head())

常见调整说明 #

• 读取指定工作表：在pd.read_excel方法中传入sheet_name参数，参数值可以是工作表名称（字符串格式）或工作表索引（从0开始计数的整数）
• 自定义表头位置：如果文件表头不在第一行，传入header=N参数，N为表头所在行的索引（从0开始计数）
• 超时设置：如果网络环境不稳定，可在requests.get中添加timeout参数，示例：requests.get(file_url, timeout=30)表示30秒未返回结果则抛出超时异常
• 安全提示：该方法仅读取文件内的表格数据，不会执行文件内嵌的宏代码，无宏运行安全风险

内容的提问来源于stack exchange，提问作者Lin Yu