基于@dhwanil_shah的回答，您不需要提取整个文件。zf。打开它可以直接从压缩文件中读取。

import xml.etree.ElementTree as ET
import zipfile

def xlsxSheets(f):
    zf = zipfile.ZipFile(f)

    f = zf.open(r'xl/workbook.xml')

    l = f.readline()
    l = f.readline()
    root = ET.fromstring(l)
    sheets=[]
    for c in root.findall('{http://schemas.openxmlformats.org/spreadsheetml/2006/main}sheets/*'):
        sheets.append(c.attrib['name'])
    return sheets

连续的两个readline很难看，但是内容只在文本的第二行。不需要解析整个文件。

这个解决方案似乎比read_excel版本快得多，而且很可能也比完整的提取版本快得多。

如果你读excel文件

dfs = pd.ExcelFile('file')

然后使用

dfs.sheet_names
dfs.parse('sheetname')

另一种变体

df = pd.read_excel('file', sheet_name='sheetname')

你仍然可以使用ExcelFile类(和sheet_names属性):

xl = pd.ExcelFile('foo.xls')

xl.sheet_names  # see all sheet names

xl.parse(sheet_name)  # read a specific sheet to DataFrame

更多选项参见文档解析…

这是我发现的最快的方法，灵感来自@divingTobi的答案。所有基于xlrd、openpyxl或pandas的答案对我来说都很慢，因为它们都先加载整个文件。

from zipfile import ZipFile
from bs4 import BeautifulSoup  # you also need to install "lxml" for the XML parser

with ZipFile(file) as zipped_file:
    summary = zipped_file.open(r'xl/workbook.xml').read()
soup = BeautifulSoup(summary, "xml")
sheets = [sheet.get("name") for sheet in soup.find_all("sheet")]

您应该显式地将第二个参数(sheetname)指定为None。是这样的:

 df = pandas.read_excel("/yourPath/FileName.xlsx", None);

"df"都是一个数据帧字典，你可以通过运行这个来验证:

df.keys()

结果是这样的:

[u'201610', u'201601', u'201701', u'201702', u'201703', u'201704', u'201705', u'201706', u'201612', u'fund', u'201603', u'201602', u'201605', u'201607', u'201606', u'201608', u'201512', u'201611', u'201604']

详情请参考熊猫文档:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html

from openpyxl import load_workbook

sheets = load_workbook(excel_file, read_only=True).sheetnames

对于我正在使用的5MB Excel文件，没有read_only标志的load_workbook花了8.24秒。对于read_only标志，只需要39.6 ms。如果您仍然希望使用Excel库而不使用xml解决方案，那么这比解析整个文件的方法要快得多。