不带熊猫的Python解码excel工作表

我试图在不使用

pandas

或

xlrd

的情况下读取python中的excel文件，并且一直试图将结果从

字节

转换为

utf-8

，但没有成功

来自xls文件的数据

colA    colB    colC
spc     1D0     20190705
spd     1D0     20190705
spe     1D0     20190705
... (goes on for 500k lines)

with open(file, 'rb') as f:
    data = f.readlines(1)  # Just to check the first line that is printed out
    print(data[0].decode('utf-8'))

代码

colA    colB    colC
spc     1D0     20190705
spd     1D0     20190705
spe     1D0     20190705
... (goes on for 500k lines)

with open(file, 'rb') as f:
    data = f.readlines(1)  # Just to check the first line that is printed out
    print(data[0].decode('utf-8'))

我收到的错误是UnicodeDecodeError:“utf-8”编解码器无法解码位置0中的字节0xd0：无效的连续字节

如果我打印

数据

而不进行解码，结果是：

[b b方\0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 \ \ \ \ \ \x0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 F\x00\x00\x00\x00\xfeM\x00\x00\x01\x00\x00\x00\xffM\x00\x00\x00\x00N\x00\x00\x01N\x00\x00\x02N\x00\x00\x03N\x00\x00\x04N\x00\x00\x05N\x00\x00\x06N\x00\x00\x07N\x00\x00\x08N\x00\x00\x00\tN\x00\x00\n']

我没有任何理由不想使用

pandas

或

xlrd

，我只是尝试在需要时使用标准库解析数据

---

有什么想法吗？

您需要先解压缩xlsx文件，然后才能读取其内容（假设您使用的是这种格式）.

错误表明Excel文件中有一个特定字符无法用“utf-8”解码。请尝试使用其他编码器，但仍然不知道文档中可能隐藏着什么类型的字符。也许，您应该尝试一下：

pd.read\u Excel（文件）

看看你得到了什么。Excel是一种二进制格式，而不是纯文本。如果你不想使用

xlrd

或

pd.read\u Excel

，你就必须重新实现那些库的功能。即使你想解析.xlsx文件，这比.xls要简单得多，你仍然有很多工作要做。我猜你是作为一个整体来做的学习练习？如果是的话，那么我认为你应该看看哪里可以阅读.xlsx规范。如果你真的想学习.xls文件，我敦促你重新考虑。你可以学习很多其他更有用、更少痛苦的东西。理想情况下，你应该展示一些代码如何做到这一点s（例如，使用std lib

zipfile

模块），然后在解包xlsx存档后如何继续（处理哪个文件，如何访问单元格数据等）在进入这样的企业之前，等待确认xlsx确实是OP试图读取的格式可能是明智的……另请参见，介绍一种仅使用标准库功能读取`*.xlsx*Excel文件的解决方案。