Pandas 无法读取 S3 excel 文件。错误：无法确定 Excel 文件格式答案

【问题标题】：Pandas can not read S3 excel file. Error: Excel file format cannot be determinedPandas 无法读取 S3 excel 文件。错误：无法确定 Excel 文件格式
【发布时间】：2022-01-19 17:14:35
【问题描述】：

我正在使用 Pandas 从 S3 读取 excel 文件 (.xls)。该代码适用于一些文件，但对于其余文件则不能。每天收到的文件每天都有不同的值（excel文件结构相同，所以我们可以认为文件相同）。

错误是：

ValueError：无法确定 Excel 文件格式，您必须手动指定引擎。

在这一行：

pd.read_excel(io.BytesIO(excel), sheet_name=sheet, index_col=None, header=[0])

我已经尝试了互联网上提到的所有解决方案：指定 engine='openpyxl' 会出现错误：

zipfile.BadZipFile：文件不是 zip 文件

并指定engine='xlrd' 会出现错误：

预期的 str、字节或 os.PathLike 对象，而不是 NoneType

我正在使用 boto3 连接到 S3 资源。再一次，对于一些文件，我的代码工作正常。看起来相同的 excel 文件出现这种不同行为的原因可能是什么？

我的问题与Excel file format cannot be determined with Pandas, randomly happening 非常相似，但还没有正确的答复。

【问题讨论】：

标签： python pandas amazon-s3 boto3

【解决方案1】：

您正在阅读的文件总是有可能带有错误标记的扩展名、错误数据等。

也不清楚您是如何在io.BytesIO(excel) 中获得'excel'

看看这样的事情是否可行。这是读取 .xls 文件。我能够将 Sheet1 的内容返回到数据框。

bucket = 'your bucket'
key = 'test.xls'
s3_client = boto3.client('s3')
obj = s3_client.get_object(Bucket=bucket, Key=key)
pd.read_excel(obj['Body'].read(), sheet_name='Sheet1', index_col=None, header=0)

【讨论】：

感谢您的回答，乔纳森！我正在使用与您相同的代码来读取 excel。它也适用于我的一些文件，但不适用于所有文件。但是，是的，您对 .xls 文件有问题的假设是最有可能的。可能是错误的内容或错误的文件元数据。但我不知道如何确定这些 .xls 文件到底出了什么问题。
因为我没有使用 io.Bytes(IO)，好奇我的代码是否给出了相同的错误。不清楚你是否在所有文件上都尝试过我的。
是的，我已经在所有文件上尝试了你的代码，结果是一样的。对于某些文件，它可以正常工作，但对于其他文件则不行。所以我必须找到一种方法来确定这些 .xls 文件出现什么问题以及何时出现问题。很可能这将是一个非常“模糊”的过程：（再次感谢您的帮助，乔纳森！