使用pd.read_excel读取网页XLS文件报错的解决方法咨询

问题根源 #

你遇到的报错本质是：目标URL返回的不是有效的Excel文件，而是文本/HTML内容（比如登录页面、权限验证页面），或者文件格式与指定引擎不兼容。

具体解决步骤 #

• 先验证URL返回的真实内容
  先不要直接用pandas读取，先获取并查看返回内容：

  import requests
  
  url = 'https://intranet2.sbs.gob.pe/estadistica/financiera/2024/Julio/C-4252-jl2024.XLS'
  response = requests.get(url)
  # 打印前200个字符，判断是否为HTML页面
  print(response.text[:200])
  

  若输出是HTML代码，说明该资源需要内网权限或登录验证，直接用pandas读取会失败。

• 携带权限Cookie访问
  如果是内网登录后才能访问的资源：

  1. 用浏览器打开该URL，完成登录；
  2. 通过浏览器开发者工具（F12）的Network面板，找到该请求的Cookie头内容并复制；
  3. 用携带Cookie的请求获取文件：

  import requests
  import pandas as pd
  from io import BytesIO
  
  url = 'https://intranet2.sbs.gob.pe/estadistica/financiera/2024/Julio/C-4252-jl2024.XLS'
  headers = {
      'Cookie': '替换为你浏览器中复制的Cookie内容'
  }
  response = requests.get(url, headers=headers)
  
  # 验证返回的是有效Excel文件
  if response.status_code == 200:
      content_type = response.headers.get('Content-Type')
      if content_type in ['application/vnd.ms-excel', 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet']:
          df = pd.read_excel(BytesIO(response.content))
      else:
          print(f"返回内容类型异常：{content_type}")
          print("内容预览：", response.text[:200])
  else:
      print(f"请求失败，状态码：{response.status_code}")
  

• 更换Excel读取引擎（针对有效文件的格式问题）
  如果确认返回的是有效Excel文件，但格式不兼容xlrd（xlrd仅支持旧版.xls，不支持.xlsx），可改用openpyxl引擎：

  1. 先安装依赖：

     conda install openpyxl
     

  2. 读取文件：

     df = pd.read_excel(url, engine='openpyxl')
     

内容的提问来源于stack exchange，提问作者Edu2694