如何让Pandas读取后缀为xls的Excel XML 2003格式文件？

pandas 默认读取.xls文件依赖xlrd库，而xlrd仅支持标准二进制BIFF格式的真实xls文件。你遇到的报错说明当前文件虽后缀为.xls，实际是HTML表格结构（或Excel XML 2003格式），不属于xlrd支持的格式范围，因此触发解析失败。Excel本身兼容性较强，可以自动识别非标准格式的文件内容并正常打开。

你这个报错已经检测到<html前缀，说明文件本质是HTML表格改的后缀，优先用该方案，操作最简单：

• 直接调用pandas的read_html方法解析即可，示例代码：

import pandas as pd

# 直接传入原文件路径，read_html会自动解析文件内的所有表格
table_list = pd.read_html("你的文件路径.xls")
# 按需取对应下标的表格即可，默认第一个表格下标为0
df = table_list[0]

如果需要统一转成标准xls/xlsx格式再处理，可以根据你的运行环境选对应方案：

Windows环境（已安装Excel） #

调用Excel的COM接口完成格式转换：

import win32com.client as win32

excel = win32.gencache.EnsureDispatch('Excel.Application')
excel.Visible = False
# 打开源文件
workbook = excel.Workbooks.Open(r"你的源文件绝对路径.xls")
# 另存为标准xlsx，FileFormat=51对应xlsx，56对应标准xls格式
workbook.SaveAs(r"转换后文件存储路径.xlsx", FileFormat=51)
workbook.Close()
excel.Quit()

# 转换完成后正常读取即可
df = pd.read_excel("转换后文件存储路径.xlsx")

跨平台环境（无需安装Excel） #

依赖LibreOffice的命令行能力完成转换，支持Windows、Linux、macOS：

import subprocess

# 调用LibreOffice命令行转格式
subprocess.run([
    "libreoffice", "--headless", "--convert-to", "xlsx",
    "你的源文件路径.xls", "--outdir", "转换后文件输出目录"
], check=True)

内容的提问来源于stack exchange，提问作者qwer