python - 如何使用 Pandas.read_excel、openpyxl 读取 xlsx 文件（无需手动重新保存文件）？

Question

我正在使用 openpyxl 读取 excel 'xlsx' 文件。它适用于大多数文件，但有些文件失败。

df = pd.read_excel('file.xlsx', engine='openpyxl') 

有问题的文件，我们称之为它file1，无法正确读取，这是它返回的内容：

df = pd.read_excel(file1.xlsx, engine='openpyxl') 

# OUTPUT
# Empty DataFrame
# Columns: [column 1]   <- It does read the first column
# Index: []

当我用 excel 手动打开所述文件并简单地重新保存它（相同的名称，相同的所有内容）时，它可以工作：

df = pd.read_excel(resaved_file1.xlsx, engine='openpyxl') 

# OUTPUT
# column 1     ...                   column 70
# 0     12     ...                      hidden
# 1     13     ...                      hidden
# 2     15     ...                      hidden
# 3    111     ...                   something
# 4    213     ...                private_data

# [5 rows x 70 columns]

我遇到的问题是它应该是一个自动化过程，所以我将无法打开数千个文件并手动修改它们。

我不能使用过时的 xlrd=1.2.0 因为它不安全，尤其是出于我的目的。xlrd 开发人员实际上是在喊不要使用旧版本，因为它已经被破坏了。对于那些不知道的人，xlrd=2.xx 不再支持 xlsx 文件。

另外，我很抱歉，因为它非常敏感，所以我不能向您展示实际数据。

一种可能性：我们可以使用命令行来运行 excel，打开所有文件并重新保存所有文件。我在这个过程中遇到的问题是我无法区分“损坏的”文件和好的文件，所以我必须将此过程应用于所有内容，从而减慢整个系统的速度。如果这是唯一的解决方案，我会采取它，作为最后的手段。

TL;DR 微软在其封闭源代码软件中获得了很多乐趣，但使用起来并不安全。

版本：

• 蟒蛇 3.8.3
• xlrd 2.1.0
• openpyxl 3.0.4

标签： pythonpandasopenpyxlxlsx