xlrd 读取 xls XLRDError：不支持的格式，或损坏的文件：预期的 BOF 记录；找到 '\r\n<html>'答案

【问题标题】：xlrd reading xls XLRDError: Unsupported format, or corrupt file: Expected BOF record; found '\r\n<html>'xlrd 读取 xls XLRDError：不支持的格式，或损坏的文件：预期的 BOF 记录；找到 '\r\n<html>'
【发布时间】：2014-07-22 13:27:34
【问题描述】：

这是代码：

xls = open_workbook('data.xls')

作为回报：

File "/home/woles/P2/fin/fin/apps/data_container/importer.py", line 16, in import_data
  xls = open_workbook('data.xlsx')
File "/home/woles/P2/fin/local/lib/python2.7/site-packages/xlrd/__init__.py", line 435,     in open_workbook
ragged_rows=ragged_rows,
File "/home/woles/P2/fin/local/lib/python2.7/site-packages/xlrd/book.py", line 91, in open_workbook_xls
biff_version = bk.getbof(XL_WORKBOOK_GLOBALS)
File "/home/woles/P2/fin/local/lib/python2.7/site-packages/xlrd/book.py", line 1230, in getbof
bof_error('Expected BOF record; found %r' % self.mem[savpos:savpos+8])
File "/home/woles/P2/fin/local/lib/python2.7/site-packages/xlrd/book.py", line 1224, in bof_error
raise XLRDError('Unsupported format, or corrupt file: ' + msg)
XLRDError: Unsupported format, or corrupt file: Expected BOF record; found '\r\n<html>'

文件没有损坏，我可以用 Excel、LibreOffice 打开它。

【问题讨论】：

见python xlrd unsupported format, or corrupt file.
文件不一定损坏，但不支持。 Excel 可以打开很多 xlrd 不支持的东西，例如 CSV、SYLK、DIF 等等。错误消息告诉您它确实找到了什么这一事实是它真正是什么类型的文件的线索。这绝对不是真正的 XLSX 文件，只是一个名字而已。

标签： python excel dataframe xls xlrd

【解决方案1】：

尝试用 pandas 打开它：

import pandas as pd
data=pd.read_html(filename.xls)

或者尝试任何其他 html python 解析器。

这不是一个正确的 excel 文件，而是一个可以用 excel 读取的 html。

【讨论】：

【解决方案2】：

我刚刚解决了同样的错误，第一步 id 检查将文件更改为文本并注意 html 内容，然后进行一些修改以确保一旦我将其保存为 HTML 并在浏览器中打开，表格应该是可见的。 Than Beautiful Soup 和 pandas 帮助我获得了 excel 输出....

如果可能有帮助，请检查以下几行..

import pandas as pd
import os
import shutil
import html5lib
import requests
from bs4 import BeautifulSoup
import re
import time

shutil.copy('donloaded.xls','changed.html')
shutil.copy('changed.html','txt_output.txt')
time.sleep(2)

txt = open('txt_output.txt','r').read()

# Modify the text to ensure the data display in html page

txt = str(txt).replace('<style> .text { mso-number-format:\@; } </script>','')

# Add head and body if it is not there in HTML text

txt_with_head = '<html><head></head><body>'+txt+'</body></html>'

# Save the file as HTML

html_file = open('output.html','w')
html_file.write(txt_with_head)

# Use beautiful soup to read

url = r"C:\Users\hitesh kumar\PycharmProjects\OEM ML\output.html"
page = open(url)
soup = BeautifulSoup(page.read(), features="lxml")
my_table = soup.find("table",attrs={'border': '1'})

frame = pd.read_html(str(my_table))[0]
print(frame.head())
frame.to_excel('testoutput.xlsx',sheet_name='sheet1', index=False)

【讨论】：

【解决方案3】：

对于.xls 文件，您可以使用read_excel()：

import pandas as pd
df1= pd.read_excel("filename.xls")

参数header 和sep 可以帮助您摆脱一些错误（here you can find more info on the parameters）。使用示例

df2= pd.read_excel("filename.xls",  header = None, sep='delimiter')

注意如果文件是.csv，你会得到错误

XLRDError：不支持的格式，或损坏的文件：预期的 BOF 记录；

阅读.csv需要使用read_csv()，像这样

df3= pd.read_csv("filename.csv")

【讨论】：