大家好，我是小小明。
你是否有遇到这样的情况在一些网站导出Excel文件后，用pandas却无法直接以Excel方式读取。
本文就将遇到的这种情况，带你去完整的解析读取。
问题分析有一个文件用Excel软件打开可以看到如下数据：
但尝试用pandas直接读取：
import pandas as pddf = pd.read_excel("明细费用表1.xlsx")df结果报出：
ValueError: File is not a recognized excel file这时我们可以考虑一下，这个问题有没有可能时间是csv等文本格式，于是用文本解析器打开看看：
原来这是一个html文档，那么我们就可以以纯html的方式读取它了：
但是可以很明显的看到pandas的网页读取，有大量数据并没有读取到。
这时候我们可以考虑使用pywin32转换格式，也可以通过网页解析直接提取需求的数据。
网页结构分析首先分析一下主要的结构。
首先是表头：
很明显Excel表中的隐藏列就是受display:none的CSS样式控制。
再看看数据行：
可以看到整数类型的数据都存在于属性x:num中，而不是内部的文本节点中。
下面我们使用xpath来解析数据：
解析数据经时间测试发现，带有x:的命名空间下的数据，几乎无法通过正常的方法解析获取，或者说非常麻烦。所以我们一次性去掉所有的x:前缀后，再读取数据并加载：
import pandas as pdfrom lxml import etreewith open("明细费用表1.xlsx", encoding="u8") as f: html = etree.HTML(f.read().replace("x:", ""))最终我编写的解析代码如下：
header = Nonedata = []for tr in html.xpath("//table/tr"): row = [] for td in tr.xpath("./td"): num = td.xpath("./@num") if num and num[0]: row.append(float(num[0])) else: row.append("".join(td.xpath(".//text()"))) if len(row) < 4: continue if header is None: header = row else: data.append(row)df = pd.DataFrame(data, columns=header)df可以看到这下子，数据就全部都读取出来了。
解析带有命名空间xml的标准方法前面对于xmlns:x="urn:schemas-microsoft-com:office:excel"的命名空间，我没有找到好的方法解析，只能直接替换原始文本删除。当对于正常的带有命名空间的数据xpath还是有标准方法解析的。
比如对于如下xml：
from lxml import etreexml = etree.parse("drawing1.xml")print(etree.tostring(xml, pretty_print=True).decode("utf-8"))我们希望取出其中的a:blip节点下的r:embed属性：
namespaces = {"r": "http://schemas.openxmlformats.org/officeDocument/2006/relationships", "a": "http://schemas.openxmlformats.org/drawingml/2006/main"}for e in xml.xpath("//a:blip", namespaces=namespaces): print(etree.tostring(e).decode("utf-8")) print(e.xpath("./@r:embed", namespaces=namespaces)[0]) <a:blip xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns="http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing" cstate="print" r:embed="rId1"/>rId1<a:blip xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns="http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing" cstate="print" r:embed="rId2"/>rId2<a:blip xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns="http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing" cstate="print" r:embed="rId3"/>rId3可以看到对应的值都顺利获取到。