Blob触发Azure函数无法读取部分Excel文件求助

这个问题我之前帮团队排查过，本质是部分上传的文件并非真正的Excel格式——它们是被修改了后缀名的CSV文件（还带UTF-8 BOM），导致pandas.read_excel无法识别，抛出XLRDError。

错误原因拆解 #

你看到的错误信息Exception: XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'\xef\xbb\xbfName,'是关键：

• \xef\xbb\xbf是UTF-8编码的字节顺序标记（BOM），常见于Windows导出的CSV文件
• 后面的Name,是典型的CSV表头开头，说明文件实际内容是CSV，但后缀被改成了.xlsx或.xls

那些能正常读取的文件是真正的Excel格式，而失败的都是"伪装"的CSV，这就是为什么没有固定失败规律——完全取决于上传者的文件类型。

修复方案：兼容Excel和CSV（含带BOM的CSV） #

我们可以让函数同时支持两种格式：先尝试用Excel方式读取，失败则自动降级为CSV读取，同时处理UTF-8 BOM问题。修改后的代码如下：

import pandas as pd
import azure.functions as func
import logging
from xlrd import XLRDError

def main(myblob: func.InputStream):
    logging.info(f"Python blob trigger function processed blob \n" 
                f"Name: {myblob.name}\n" 
                f"Blob Size: {myblob.length} bytes")
    
    # 重置流指针到开头：避免之前的读取操作导致后续读取为空
    myblob.seek(0)
    
    try:
        # 优先尝试读取为Excel文件
        data = pd.read_excel(myblob)
        logging.info(f"Successfully read {myblob.name} as Excel")
    except XLRDError as e:
        # Excel读取失败，尝试读取为带UTF-8 BOM的CSV
        logging.warning(f"Failed to read {myblob.name} as Excel: {str(e)}. Trying CSV format...")
        myblob.seek(0)  # 再次重置指针，因为第一次读取已经把流读到末尾
        # 使用utf-8-sig编码自动去除UTF-8 BOM
        data = pd.read_csv(myblob, encoding='utf-8-sig')
        logging.info(f"Successfully read {myblob.name} as CSV")
    
    # 将NaN替换为None，保持原有逻辑
    data = data.where(pd.notnull(data), None)
    
    # 后续处理逻辑
    # ...

额外优化建议 #

• 增加后缀名判断：可以先根据文件后缀名初步选择读取方式，减少异常捕获的次数，比如：

  file_ext = myblob.name.split('.')[-1].lower()
   if file_ext in ['csv']:
       # 直接读取为CSV
       myblob.seek(0)
       data = pd.read_csv(myblob, encoding='utf-8-sig')
   else:
       # 尝试Excel读取
       try:
           myblob.seek(0)
           data = pd.read_excel(myblob)
       except XLRDError:
           # 降级为CSV读取
           myblob.seek(0)
           data = pd.read_csv(myblob, encoding='utf-8-sig')
  

• 增加文件校验：如果需要严格区分文件类型，可以通过检测文件的魔术字节（magic bytes）来判断是否为真正的Excel文件（比如.xlsx的开头是PK\x03\x04），避免完全依赖后缀名。
• 告知协作人员：提醒使用函数的同事，尽量上传真正的Excel文件，不要手动修改文件后缀名，从源头减少这类问题。

内容的提问来源于stack exchange，提问作者Grevioos