Pandas调用xlrd读取XLS文件报错、单独用xlrd可正常打开问题求助

• 非标准XLS文件校验不通过：部分第三方系统导出的XLS文件头不符合微软官方格式规范，xlrd本身做了兼容处理可以正常解析，但Pandas调用xlrd引擎前会执行自有的文件格式前置校验，这类非标准文件无法通过校验就会抛出对应错误。
• 字节流指针偏移：如果从S3拉取的contents是BytesIO类文件对象，经过中间读取操作后指针可能已经移动到内容末尾，Pandas读取时无法读到有效文件头就会判定为非合法Excel文件；调用xlrd时使用的file_contents参数直接接收完整二进制内容，不受指针偏移影响。
• 版本适配bug：若使用Pandas≤1.2版本搭配xlrd≥2.0版本，部分小版本存在参数传递异常，Pandas会错误将二进制内容按文件路径处理，导致xlrd无法接收到正确的文件内容。

方案1：将xlrd读取的工作表转为Pandas DataFrame（最稳定，适配所有xlrd可识别的文件） #

直接复用已调通的xlrd读取逻辑，手动将工作表内容转换为DataFrame，完全跳过Pandas的前置校验步骤：

import pandas as pd
import xlrd

# 沿用已有的xlrd读取逻辑
book = xlrd.open_workbook(file_contents=contents)
# 按需选择工作表，此处默认取第一个表，也可通过sheet_by_name("表名")指定
sheet = book.sheet_by_index(0)

# 跳过前5行，从第6行开始读取所有行数据
data = [sheet.row_values(row_idx) for row_idx in range(5, sheet.nrows)]
# 传入自定义列名生成DataFrame
df = pd.DataFrame(data, columns=['some', 'column', 'headers'])

方案2：修复Pandas直接读取逻辑（适合不想改动原有代码结构的场景） #

如果要继续使用pd.read_excel方法，可先重置字节流指针再调用：

from io import BytesIO

# 若contents是BytesIO对象，先将指针重置到内容开头
if isinstance(contents, BytesIO):
    contents.seek(0)

# 再执行原有的读取逻辑
df = pd.read_excel(contents, engine='xlrd', skiprows=5, names=['some', 'column', 'headers'])

如果是版本适配问题，可固定依赖版本解决：xlrd==1.2.0 + pandas>=1.3.0。

内容的提问来源于stack exchange，提问作者Christian