使用Python读取Selenium下载的XLS文件时出现小端序错误求助

这种情况我之前踩过坑！Selenium下载的Excel 97-2003文件（.xls）经常会出现这种“Excel能打开，但代码读不了”的情况，根本不是编码的问题——毕竟你试了各种编码都没用，而且Excel保存后就正常了，核心原因是下载的文件不是标准的BIFF格式，可能混了额外的响应字节或者结构有轻微损坏，而Excel打开时会自动修复这些问题。

下面给你几个亲测有效的解决思路：

1. 检查并清理文件的无效头部/尾部字节 #

Selenium下载文件时，有时候服务器返回的响应会带一些HTTP响应头的残留字节，或者传输过程中多了些无关数据，导致解析库（比如xlrd、pandas）识别失败。标准的.xls文件开头8字节的十六进制签名是D0 CF 11 E0 A1 B1 1A E1，你可以用Python验证一下：

import binascii

with open("你的下载文件.xls", "rb") as f:
    header = f.read(8)
    print(binascii.hexlify(header).upper())

如果输出不是上面的签名，那说明文件开头有多余内容。你可以尝试从正确的签名位置开始截取文件内容，再保存成新文件：

with open("下载的文件.xls", "rb") as f_in, open("修复后的文件.xls", "wb") as f_out:
    content = f_in.read()
    # 找到标准签名的起始位置
    start_idx = content.find(b'\xd0\xcf\x11\xe0\xa1\xb1\x1a\xe1')
    if start_idx != -1:
        f_out.write(content[start_idx:])

处理完之后再用解析库读取，大概率就能正常识别了。

2. 用能模拟Excel修复的工具读取 #

如果不想手动处理文件，直接调用Excel本身的修复能力是最省心的（前提是Windows环境装了Excel），用win32com.client就能实现：

import win32com.client as win32

# 启动Excel后台进程
excel = win32.gencache.EnsureDispatch('Excel.Application')
excel.Visible = False  # 后台运行不显示窗口

# 打开文件（Excel会自动修复）
wb = excel.Workbooks.Open(r"你的下载文件路径.xls")
ws = wb.Worksheets(1)  # 取第一个工作表

# 示例：读取A1到C10的单元格数据
data = []
for row in range(1, 11):
    row_data = []
    for col in range(1, 4):
        row_data.append(ws.Cells(row, col).Value)
    data.append(row_data)

# 关闭文件和Excel进程
wb.Close(SaveChanges=False)
excel.Quit()

print(data)

这个方法和你手动打开保存的效果完全一致，Excel会自动处理文件里的异常内容。

3. 换用更兼容的解析库 #

有些旧版本的解析库对非标准xls文件支持不好，比如xlrd 2.0之后不再支持xls格式，你可以降级到xlrd 1.2.0版本，配合pandas读取：

import pandas as pd

# 确保安装了xlrd 1.2.0：pip install xlrd==1.2.0
df = pd.read_excel("下载的文件.xls", engine='xlrd')
print(df.head())

另外也可以试试pyexcel库，它对各种格式的兼容性更强：

import pyexcel as pe

sheet = pe.get_sheet(file_name="下载的文件.xls")
print(sheet.to_array())

总的来说，最根本的问题就是下载的文件不是完全标准的xls结构，Excel的修复机制帮你抹平了差异，你只需要在代码里模拟这个修复过程，或者提前清理掉无效内容就能解决问题啦！

内容的提问来源于stack exchange，提问作者Frostic