在python中读取包含xml数据的xls文件

Question

一个 xls 文件里面有 xml 数据。 文件的顶部如下所示：

<?xml version="1.0" encoding="UTF-8"?>
<Workbook xmlns="urn:schemas-microsoft-com:office:spreadsheet" xmlns:x="urn:schemas-microsoft-com:office:excel" xmlns:ss="urn:schemas-microsoft-com:office:spreadsheet" xmlns:html="http://www.w3.org/TR/REC-html40">
<Styles>
<Style ss:ID="sDT"><NumberFormat ss:Format="Short Date"/></Style>
</Styles>
<Worksheet ss:Name="XXX">
    <Table>
        <Row>
            <Cell><Data ss:Type="String">Request ID</Data></Cell>
            <Cell><Data ss:Type="String">Date</Data></Cell>
            <Cell><Data ss:Type="String">XXX ID</Data></Cell>
            <Cell><Data ss:Type="String">Customer Name</Data></Cell>
            <Cell><Data ss:Type="String">Amount</Data></Cell>
            <Cell><Data ss:Type="String">Requested Action</Data></Cell>
            <Cell><Data ss:Type="String">Status</Data></Cell>
            <Cell><Data ss:Type="String">Transaction ID</Data></Cell>
            <Cell><Data ss:Type="String">Merchant UTR</Data></Cell>
        </Row>

如何使用 pandas.read_xml 将其读入 Pandas DataFrame。 （将它读入 DataFrame 的任何其他方式也可以。）

注意：已经尝试过使用 read_excel 的各种解决方案，无论是否使用引擎 =“openpyxl”。 显示不同的错误。 （请参阅下面的评论。评论还包含指向其他人之前面临的相同问题的链接。）

Answer 1

您的文件是有效的 xml 文件。 我知道除了 Excel 之外没有自动转换器，但它可以很容易地被解析为一个纯 xml 文件，例如使用 BeautifulSoul。

如果内部格式足够简单，您可以处理Worksheet 、 row和cell标签以将其转换为 csv 文件：

from bs4 import BeautifulSoup
import csv
import io

soup = BeautifulSoup(open('file.xxx'))
    
with open('file.csv', newline='') as fdout:
    wr = csv.writer(fdout)
    sheet = soup.find('worksheet')
    for row in sheet.findAll('row'):
        wr.writerow(cell.text for cell in row.findAll('cell'))

使用您的示例数据，它按预期给出：

Request ID,Date,XXX ID,Customer Name,Amount,Requested Action,Status,Transaction ID,Merchant UTR

Answer 2

尝试定义另一个引擎：

df = pd.read_excel('test.xls', engine='xlrd')

请注意，您需要安装xlrd库，例如：

pip install xlrd