pandas 读取 XLSX 时出现 XML 解析错误

ailx10说：这篇是在2024年4月之前写的，后来又改过。我明明用 pandas 读的是 Excel，报错却说 XML 格式不对，刚看到时确实有点摸不着头脑。后来才顺着文件结构发现，xlsx 本来就是压缩包，工作表藏在 XML 里。再拿 WPS 和 Excel 2016 分别打开，对比一个能读、一个尝试修复的结果，问题才慢慢缩到具体部件和字符上。这篇没有把根因完全钉死，更多是把那次从报错疑惑到理解文件内部结构的路线记下来。有时候排错的第一步，就是承认文件名和里面真正存的东西不是一回事。

---

使用 pandas.read_excel 读取工作簿时，可能遇到 xml.etree.ElementTree.ParseError: not well-formed (invalid token)。XLSX 是包含多个 XML 部件的 ZIP 容器，因此工作表中的 XML 格式错误可能出现在读取 Excel 文件时。

一次历史排查

原记录中，一个软件能够打开该文件，另一个版本的 Excel 提示工作表 XML 中有非法字符并删除了部分公式。不同程序的容错行为可能不同；某个程序能打开文件，并不证明文件结构完全合法，也不能直接证明 pandas 或其读取引擎存在缺陷。

建议检查步骤

1. 先备份原始文件，避免修复操作覆盖唯一副本。
2. 记录完整错误、工作表名称、报错行列及相关库版本。
3. 在副本上使用可信工具检查或修复工作簿，比较修复前后的单元格与公式；任何自动修复都可能丢失内容。
4. 尽可能构造去除敏感信息的最小样本，再核对读取引擎的文档和问题记录。

原实验没有确认非法字符来源或完成修复；不能把其现象当作对某个库的最终归因。

这次没有找到完整根因，就把已试过的路径留下来。能读出来是一个结果，文件是否合规是另一个问题；沿着这条差别继续追，比随手归咎某个库更有方向。

本文摘要与文字整理有 AI 参与。