Pythonpandas不能读取一些奇怪的编码和拆分窗格旧的Excel文件
我正在尝试将一个旧的Excel文件导入pandas。 该文件是由cropSyst软件使用旧格式（我不知道）生成的，它默认情况下有分割窗格。 这是一个快照
一个解决scheme可以是用excel打开文件并将其保存在xlsx中：这样pandas可以毫无问题地读取它，但是我必须处理大量的文件（> 40000），所以这是不可行的。
当试图用pandasimport它
pd.read_excel(filename) 我得到这个错误
error: unpack requires a string argument of length 3 *** No CODEPAGE record, no encoding_override: will use 'ascii'
我也试着把它导入为csv
pd.read_csv(filename)
但它只读取一些数据，我尝试使用行分隔符和单元格分隔符的不同组合，没有运气。
你有什么build议吗？
编辑
正如@jmcnamara在评论中所build议的，我尝试用Python中所有可用的编码来覆盖文件的编码，但仍然没有运气：它不能正确parsing文件。
这里可以下载一个xls文件
https://drive.google.com/file/d/0B5smcFuBd6EtdFE5eEktZXZVTkU/view?usp=sharing
该文件的格式是Excel 2（BIFF2）。
但是，由于它不是由Excel创build的，它似乎与Excel BIFF2规范不一致。
对于显示WINDOW2logging不正确的文件。 您可以通过获取当前版本的xlrd （0.9.3）并应用以下修补程序来解决此问题：
diff --git a/xlrd/sheet.py b/xlrd/sheet.py index 36438a0..6d895c4 100644 --- a/xlrd/sheet.py +++ b/xlrd/sheet.py @@ -1455,7 +1455,8 @@ class Sheet(BaseObject): (self.first_visible_rowx, self.first_visible_colx, self.automatic_grid_line_colour, ) = unpack("<HHB", data[5:10]) - self.gridline_colour_rgb = unpack("<BBB", data[10:13]) + if data_len > 10: + self.gridline_colour_rgb = unpack("<BBB", data[10:13]) self.gridline_colour_index = nearest_colour_index( self.book.colour_map, self.gridline_colour_rgb, debug=0) self.cached_page_break_preview_mag_factor = 0 # default (60%)
然后安装此版本的模块，或者从PYTHONPATH使用它，因为pandas使用xlrd来读取Excel文件。
这仍然给Codepage警告，但这只是一个警告，你可以使用encoding_override='ascii' （或任何正确的编码，但ascii可能是正确的）。
请注意，文件格式中可能还有其他问题，因为您有40,000个文件，但这是我在您提供的文件中find的唯一文件。
更新 ：基于第二个示例文件，它看起来像编码是Windows CP-1252，所以以下应该工作：
import xlrd workbook = xlrd.open_workbook('harvest.xls', encoding_override='cp1252')
我以前用这个成功来打开旧的Excel文件，试试看：