如何解决 Jupyter Notebook 中的 BadZipFile: File is not a zip file 错误？

Question

我正在尝试从特定目录中的文件夹中读取 .xlsx 文件，并将它们写入/导出到 4 个新的 .xlsx 文件中，每个新的 .xlsx 将包含每年的数据目录。 当我几个月前尝试时，该脚本运行良好，但现在不再运行了。它继续产生 BadZipFile: File is not a zip file 错误。

我错过了什么吗？我尝试过升级和降级 anaconda、python、openpyxl 和 pandas 版本，但没有帮助。

from openpyxl import load_workbook
import pandas as pd
import os
import re

path_folder = r'C:\\Users\\lala\\Downloads\\New folder\\Data Klimatologi\\'
folder_tahun = os.listdir(path_folder)

year_folder

for x in year_folder:
    year_folder = os.listdir(path_folder + x)
    frames = []
    for y in station_folder:
        path_file = path_folder + '{}\\{}'.format(x,y)
        files = os.listdir(path_file)
        for z in files:
            pattern = path_folder + '{}\\{}\\{}'.format(x,y,z)
            wb = load_workbook(filename = pattern)
            sheet = wb.active#has 1 sheet
            max_row_for_Tn = max((b.row for b in sheet['B'] if b.value is not None))
            cell = 'A9:K%d' % (max_row_for_Tn)
            data = sheet[cell]
            row_list = []
            for row in data:
                cols = []
                for col in row:
                    cols.append(col.value)
                row_list.append(cols)
            df = pd.DataFrame(data = row_list[1:], index=None, columns=row_list[0])
            cell_id = sheet.cell(row = 1, column = 3)
            pk = cell_id.value
            pk = re.sub('[\s]+', '', pk)
            pk = int(re.sub(r'[^.,a-zA-Z0-9 \n\.]','', pk))
            df['Id WMO'] = pk
            frames.append(df)
    result = pd.concat(frames)
    result.to_excel(r'C:\Users\lala\OneDrive\Documents\Dataset\Dataset Stasiun BMKG Tahun {}.xlsx'.format(x), index = False)

该脚本运行良好，直到

year_folder

给出输出 ('2000','2001','2002','2003','2004')。

这是回溯。

---------------------------------------------------------------------------
BadZipFile                                Traceback (most recent call last)
<ipython-input-4-e8e2d94d1368> in <module>
      7         for z in files:
      8             pattern = path_folder + '{}\\{}\\{}'.format(x,y,z)
----> 9             wb = load_workbook(filename = pattern)
     10             sheet = wb.active#has 1 sheet
     11             max_row_for_Tn = max((b.row for b in sheet['B'] if b.value is not None))

~\anaconda3\envs\Pandas\lib\site-packages\openpyxl\reader\excel.py in load_workbook(filename, read_only, keep_vba, data_only, keep_links)
    312     """
    313     reader = ExcelReader(filename, read_only, keep_vba,
--> 314                         data_only, keep_links)
    315     reader.read()
    316     return reader.wb

~\anaconda3\envs\Pandas\lib\site-packages\openpyxl\reader\excel.py in __init__(self, fn, read_only, keep_vba, data_only, keep_links)
    122     def __init__(self,  fn, read_only=False, keep_vba=KEEP_VBA,
    123                   data_only=False, keep_links=True):
--> 124         self.archive = _validate_archive(fn)
    125         self.valid_files = self.archive.namelist()
    126         self.read_only = read_only

~\anaconda3\envs\Pandas\lib\site-packages\openpyxl\reader\excel.py in _validate_archive(filename)
     94             raise InvalidFileException(msg)
     95 
---> 96     archive = ZipFile(filename, 'r')
     97     return archive
     98 

~\anaconda3\envs\Pandas\lib\zipfile.py in __init__(self, file, mode, compression, allowZip64)
   1129         try:
   1130             if mode == 'r':
-> 1131                 self._RealGetContents()
   1132             elif mode in ('w', 'x'):
   1133                 # set the modified flag so central directory gets written

~\anaconda3\envs\Pandas\lib\zipfile.py in _RealGetContents(self)
   1196             raise BadZipFile("File is not a zip file")
   1197         if not endrec:
-> 1198             raise BadZipFile("File is not a zip file")
   1199         if self.debug > 1:
   1200             print(endrec)

BadZipFile: File is not a zip file

Answer 1

错误信息完全正确。当前版本的 Excel 使用

.xlsx

格式，这是包含小目录树的 zip 文件。该格式直到 Excel 2007 才引入。假设这些文件确实来自 2001 年、2002 年等，它们采用旧式 Excel

.xls

格式，不是 zip 文件。

pandas

不知道如何导入

.xls

文件。您可能需要找到一个单独的模块来转换它们。

Answer 2

结果发现其中一个

.xlsx

文件被重复了。我删除了重复的文件，错误不再出现。 如果有人发现相同的错误，您可以单独检查它们是否在您的目录中存在损坏/重复的文件。 只要文件中包含不同的值，使用相同的文件名就不会出现问题。