Python：urllib读取.xlsx文件行数异常的解决咨询

你遇到的问题根源在于：XLSX不是纯文本格式的文件，它本质是一个包含XML结构的ZIP压缩包。你用urllib.urlopen().readlines()读取到的"行数"，只是二进制文件中被换行符分隔的块数，和表格里实际的数据记录数完全无关——这就是为什么CSV能得到正确结果（CSV是纯文本），但XLSX不行的原因。

下面给你两种可靠的解决方案，都是用专门处理Excel的库来实现：

方案1：用Pandas（最简单快捷） #

Pandas是数据处理的常用库，能轻松解析Excel文件，一行代码就能搞定行数统计：

首先安装依赖（如果还没装的话）：

pip install pandas openpyxl

然后编写代码：

import pandas as pd

file_url = 'http://127.0.0.1:8000/media/temp/aggregate_bill_export_20180427055420580970.xlsx'
# 读取Excel文件，默认读取第一个工作表
df = pd.read_excel(file_url)
# len(df)就是数据的行数（Pandas会把表头作为列名，df中存储的是实际数据行）
total_records = len(df)
print(total_records)

如果你的Excel表头有多行，可以通过header参数指定，比如pd.read_excel(file_url, header=0)表示第一行是表头，这样len(df)依然是正确的数据行数。

方案2：用OpenPyXL（轻量，适合仅需行数的场景） #

如果你不想引入Pandas这么大的库，可以用OpenPyXL，它专门处理XLSX文件，更轻量化：

先安装依赖：

pip install openpyxl

然后编写代码：

import urllib
from openpyxl import load_workbook
from io import BytesIO

file_url = 'http://127.0.0.1:8000/media/temp/aggregate_bill_export_20180427055420580970.xlsx'
# 获取文件的二进制内容
meta = urllib.urlopen(file_url)
# 把二进制内容转为BytesIO对象，让OpenPyXL可以读取
wb = load_workbook(filename=BytesIO(meta.read()), read_only=True)  # read_only=True提升大文件读取效率
ws = wb.active  # 获取当前活动的工作表（一般是第一个）
# 如果需要指定工作表，可以用wb['工作表名称']，比如wb['Sheet1']

# ws.max_row是整个工作表的最大行号，减去1是去掉表头行（如果你的Excel有表头的话）
total_records = ws.max_row - 1
print(total_records)

如果你的Excel没有表头，直接用ws.max_row就是实际数据行数。

关键提醒 #

永远不要用处理纯文本的方式（比如readlines()）去读取二进制格式的文件（XLSX、DOCX、PDF等），必须使用对应格式的专用解析库，才能得到正确的内容。

内容的提问来源于stack exchange，提问作者Avinash Mishra