简介Excel与JSON互转工具主要面向开发人员、数据分析师以及需要频繁处理表格和结构化数据的办公人群用于解决两种数据格式之间批量转换效率低下的问题工具同时支持从JSON转换到Excel和从Excel转换到JSON。对于JSON中常见的嵌套对象和数组可以展开为多级表头或者拆分到多个工作表对于包含多个工作表的Excel文件转换后能够生成对应的JSON数组同时数值、日期、布尔值等数据类型都会按JSON规范自动适配避免格式错乱。资源压缩包内共有2个文件一个Java源代码和一个可直接运行的exe程序整体大小仅1.92MB。用户既可以双击exe文件快速完成日常转换也可以查看Java源码理解实现细节甚至进行二次开发。目前已有454人学习使用对于接口联调、报表整合、数据迁移和日常办公中的Excel与JSON互转场景都能有效减少手工复制粘贴和格式调整的时间消耗是一份轻量实用的小工具。 等了这么长时间才写这篇是因为“Excel Json 互转工具”这个标题我在搜索框里见过太多次了。每次搜出来的不是要上传文件、还得担心隐私的网页就是装完发现只能处理单个工作表、嵌套结构一碰就废的小软件。与其等别人把坑踩完不如我把这几年做数据迁移和接口对接时攒下来的互转经验完整写出来。这篇不讲那些“一键转换”的漂亮话只讲真实场景下表格和JSON之间到底该怎么转、为什么这么转、以及哪些位置最容易翻车。1. 表头、行、和JSON对象的对应关系是“互转”的第一步一说“Excel Json互转工具”大部分人的第一反应是把Excel文件拖到一个页面上点一下按钮就能拿到一个整齐的JSON文件。这种工具确实存在但我做了多年数据处理后越来越觉得如果只靠这种“一键转换”十次里有八次拿回来的是不能直接用的数据。原因其实不在“转换”这个过程而是在“映射”这个前置步骤。Excel长着一张二维表格JSON长着一棵带嵌套的树。用一句话概括两者差异Excel的强项是让你看到每一行每一列的整齐页面JSON的强项是表达对象和对象之间的包含关系。这两种结构天然就不是一一对应的。而在实际项目中最常见的对应关系又很固定一个工作表对应一个JSON数组工作表里除表头外的每一行对应数组中的一个JSON对象表头单元格是对象的key单元格值是对应的value最直观的一次经历是帮一个团队做数据提取。对方发来一个十几列、几千行的Excel表丢给我一个接口文档文档里要求POST一个数组每个元素有八个字段其中两个还是嵌套对象比如address.city、address.zip。如果直接把Excel每一行转成一个扁平JSON对象接口方那边必定报“missing field”之类的错误因为嵌套的address对象根本没有生成。所以从那个需求之后我经手的所有Excel Json互转工具第一步都不是写代码而是先画一张映射图Excel里哪一个sheet对应JSON顶层哪个字段哪一行哪一列又对应嵌套对象的哪个key。映射图画清楚后面的代码只是把这个图落地而已。这个“图”完全可以做成可配置的比如JSON结构的字段层级等于Excel表头的点分式名称这样工具才能适应不同接口。很多人把互转失败的锅甩给工具其实锅往往在映射约定没定清楚。先把这一点想透再谈用什么工具才算有方向。2. 正向转换怎么做一条命令导出一套能直接用的 JSON2.1 先约定一个“谁都能看懂”的输出结构正向转换就是Excel到JSON。我推荐用这种结构作为默认输出{ 员工表: [ { 工号: A001, 姓名: 张三, 薪资: 8000 }, { 工号: A002, 姓名: 李四, 薪资: 9500 } ], 部门表: [ { 部门ID: D01, 部门名称: 技术部 } ] }一个sheet生成一组数据表头当作key。这样不管下游是接口、数据库还是数据分析脚本都能一眼看出数据来源。如果你只需要其中某个工作表也可以输出成纯粹的数组不要把sheet层带进去要看目标系统预期什么形态。2.2 我封装的转换脚本骨架直接用pandas读写Excel比自己逐行解析容易得多前提是把几个参数控好。import json import pandas as pd # dtypestr 是防止手机号、工号、订单号被当成数字 df_dict pd.read_excel( input.xlsx, sheet_nameNone, dtypestr, keep_default_naFalse ) result {} for sheet_name, df in df_dict.items(): result[sheet_name] df.to_dict(orientrecords) with open(output.json, w, encodingutf-8) as f: json.dump(result, f, ensure_asciiFalse, indent2)这段代码做了一件极其关键的事所有单元格先按字符串读入避免Excel把“00123”这种编号变成123。等到JSON阶段真正需要数值的字段再用int()、float()做二次转换。如果你不加这个dtype早晚有一天会被“0001丢失前导零”这种事坑一次。有人可能觉得这样太啰嗦不如直接用DataFrame的to_json。to_json确实快但它的输出默认包含索引日期会变成时间戳对阅读不友好。实际做数据对接时我更愿意自己控制输出结构。输出JSON记得加上ensure_asciiFalse否则中文全变成\u5f20\u4e09调试接口的时候根本看不出哪个字段对应哪个值。2.3 日期、公式和合并单元格不预处理一定会翻车Excel里的公式单元格如果用openpyxl直接读默认拿到的是公式字符串而不是计算后的值。在互转场景里除非你要做表格工具本身的数据迁移否则多数情况要的是“最终显示值”。pandas在read_excel时会自动读取缓存的计算结果这是好事。但如果你用openpyxl直接逐行读就要注意取cell.value时可能拿到的是SUM(A1:A10)。日期列同样需要小心。pandas会把日期读成datetime对象json.dump会直接报错因为原生JSON不支持日期类型。我的处理方式是先统一转字符串同时保留显示格式for col in df.columns: if pd.api.types.is_datetime64_any_dtype(df[col]): df[col] df[col].dt.strftime(%Y-%m-%d) elif pd.api.types.is_timedelta64_dtype(df[col]): df[col] df[col].astype(str)合并单元格在read_excel中通常只有左上角有值其他位置是空值。如果你希望合并区域每个单元格都输出同一个值必须先对Excel做反向填充。这个没有现成捷径我是用openpyxl先遍历merged_cells.ranges再把范围内的值统一回填最后再转DataFrame。这类非典型数据正则替换解决不了只能先预处理。3. 反向转换才是重头戏JSON 变成 Excel 会遇到四种“不听话”正向转换大多数通用工具都能做因为Excel的结构相对固定。反向转换才是一堆人搜“JSON转Excel为什么失败”的根源。3.1 嵌套对象先压平还是拆成多张表一份JSON经常长这样{ users: [ { id: 1, name: 张三, address: { city: 上海, zip: 200000 } } ] }address嵌套了一个对象。常见做法是用pandas.json_normalize把嵌套对象摊平成列名address.city、address.zip再写Excel。对于两层嵌套这个办法非常高效。import pandas as pd data { users: [...] } df pd.json_normalize(data[users]) df.to_excel(output.xlsx, indexFalse)但如果嵌套深度超过三层或者同一字段在不同记录里类型不一样这次是对象下次是字符串json_normalize很容易给出意料之外的列组合。更稳的方案是把每个嵌套对象单独拆成一张子表比如users表和addresses表通过id关联。这样结构客户能理解后期想做数据分析也方便。不能一概而论哪种更优只能看下游需求。3.2 数组字段一个 JSON 数组不是 Excel 的一个格子JSON里的数组比如tags: [开发, Java, 后端]没法原样塞进一个单元格。通常有两条路一是拆成多列比如tags_1、tags_2二是用逗号或分号拼接成一个字符串放进一个单元格。如果你以后要把这个Excel再导回数据库多列方案更友好如果只是给人看拼接更好读。两条路都行但代码里必须明确决定不能靠工具默认行为。顺带提一个我在Excel里转JSON数组字段时用的技巧如果数组是字符串数组我会把整列当作一个字符串用json.loads解析后再考虑拆分或保持数组。这样能避免Excel单元格里那种前后带空格、换行符的脏数据直接混进JSON。3.3 null、布尔值和大数字最容易在“转换成功”时埋雷JSON的null在不同工具里可能变成空字符串也可能变成文本“null”。Excel单元格本身有“是否为空”的状态所以我的约定是null一律写成空单元格不要填字符串。JSON的true/false在Excel里对应布尔值但有些互转工具会输出“True”“False”的字符串这在数据清洗时很恼人。我自己的做法是读取的时候先把字符串型true、false还原成Python布尔值再交给DataFrame。大数字是另一个坑。JSON里的数字超过JavaScript安全整数范围时很多在线工具会丢精度因为浏览器端JS先处理一步。你要导出的可能是雪花ID或身份证号如果转出来变成1.2345678e19数据已经废了。所以我在处理这类字段时先读取为字符串再根据字段名决定是否转数字。3.4 文件编码为什么有时打开 CSV 全是乱码如果你反向转换后直接写了一个UTF-8编码的CSV或文本双击Excel打开很可能乱码因为Excel对UTF-8的支持尤其在Windows环境并不那么“无感”。解决办法是写入编码为UTF-8 with BOM也就是Python里的encodingutf-8-sig。如果写的是xlsx通常用pandas/openpyxl没有乱码问题。但一旦用了CSV方案就一定记得加BOM。“为什么我转出来的文件乱码”这类搜索高频出现多半就是少了这一步。4. 为什么不直接用在线互转工具而是自己写脚本网上搜“Excel Json互转工具”能搜到一大把在线转换器。最初我也用过用得不太满意原因可以拿来说说。方案能处理多sheet吗能自定义嵌套吗数据隐私适合场景在线转换网站多数不行基本不行数据要传服务器临时、脱敏数据Excel自带的Power Query JSON可做但配置繁琐能但学习成本高本地处理个人日常清洗自己写的Python脚本完全可控完全可控本地处理重复交付、接口对接在线工具最大的问题不是功能而是它把“转换”做成了一个黑盒。你拿到结果后不知道它为什么这样处理空值、不知道它怎么处理数字精度、也不知道它是否偷偷丢掉了某些列。在单次转换少量数据时无所谓但一旦你要交付给客户或者录入数据库系统你没办法解释结果里为什么少了一行。于是我自己写了一个小工具。这个工具不需要界面一条Python命令输入文件、指定sheet名、输出JSON完成。麻烦是麻烦了点但每次跑出来的结果都可复现这是在线工具给不了的。如果你不想碰代码我再推荐一个折中方案Power Query。Excel自带的Power Query可以把JSON当作数据源导入并且能通过界面操作调整嵌套层级。但Power Query的JSON解析对数组支持得好对深层内嵌对象支持得不够直观遇到schema不稳定的JSON写完步骤后很容易报未找到列。所以我觉得在线工具适合一次性的小规模操作Power Query适合长期维护的报表数据流Python脚本则适合需要精确可控的接口对接和数据交付。5. 如果要做成一个正规的小工具字段映射、空值策略和类型转换得这么设计5.1 用映射表代替硬编码列名我常遇到的情况是Excel的列头叫“员工姓名”但JSON接口要求的字段是employee_name。这种差异如果靠改Excel表头每接一个新需求就改一次文件不现实。更好的办法是做一个映射表field_map { 员工姓名: employee_name, 入职时间: hire_date, 薪资: salary }转换时遍历Excel每一列如果列头在映射表里就输出为映射后的key不在映射表里的列可以选择忽略还是原样输出。映射表还可以支持类型转换比如“薪资”字段统一转float这样就把转换逻辑从具体表格中剥离开来变成可配置的规则。5.2 空值策略三选一但不要混用一个Excel数据源里空单元格到底要不要出现在JSON里我认为应该由下游决定。如果下游要求字段齐整那空值输出null如果下游用Python的dict.get访问字段那字段缺失也不影响反而更省空间。我发现很多报错比如failed to deserialize the json body into the target type: missing field就是序列化时缺了Excel里的某一列而输入方又要求该字段必须存在。这种问题责任不在数据也不在工具而在转换时没有把“空值”明确成null而不是“不输出该字段”。所以在设计工具时我加了一个空值策略参数missing、null、empty_string三选一。默认使用null适配大多数接口契约。5.3 做完转换之后必须做一次类型抽样做互转工具最容易掉以轻心的环节是类型确认。Excel单元格看起来是“123”实际可能是文本也可能是数字JSON里的“1.00”转回Excel也分分钟变成“1”。因此我的建议是在工具转换之后加一道“抽查”步骤随机挑两三行肉眼核对字段类型再拿一份目标系统的示例JSON做diff。别嫌麻烦数据转换的事故大多是最后交付时才发现。6. 顺手再加这几个能力互转的闭环才算完整在我自己的版本里后续又加了几个实用功能这里一并分享按sheet选择性导出。只转指定的几个sheet而不是全部。行列过滤。比如某列的值等于某个条件才输出该行。嵌套层级控制。用parent.child这样的列头在正向转换时生成嵌套JSON而不是摊平结构。Excel模板生成。拿到一份JSON样例自动生成对应的Excel模板带好表头下游的人填完数据再导回JSON形成闭环。尤其是最后一点很多团队都在做“Excel填报-JSON入库”的流程本质就是先根据JSON字段生成Excel模板再让业务人员填单最后程序回读。这个闭环一旦跑通小团队也能在没有任何后台界面的情况下实现数据采集。嵌套层级控制的实现也不复杂只需要在读取表头时按.拆分def build_nested(records): nested [] for row in records: obj {} for key, value in row.items(): parts key.split(.) tmp obj for p in parts[:-1]: tmp tmp.setdefault(p, {}) tmp[parts[-1]] value nested.append(obj) return nested这段代码不处理数组但已经能覆盖大多数“两三层嵌套”的接口结构。如果遇到数组嵌套就需要配合额外配置判断当前字段是对象还是数组。我在实际项目里是单独维护了一份字段结构描述文件类似JSON Schema字段层级和类型都写清楚。这也是为什么我坚持不推荐一个“什么都能转”的万能工具结构越复杂约定就要越明确否则表面上转成功了其实没有人敢真正使用那份输出。如果你也在做Excel和JSON的互转我建议先别着急找工具拿出一张真实的表摘出最麻烦的一列想清楚它转到JSON后应该是什么形态再用我上面说的方式去写自己的脚本。工具从来都不是问题本身数据映射才是。用坏过几次在线工具之后我现在的原则是本地能跑通的事绝不上传第三方平台手上有一份可复现的脚本比什么“智能转换工具”都可靠。以后每遇到一种奇怪格式就往脚本里补一条规则慢慢你会发现它已经变成你自己最顺手的私有数据转换器。本文还有配套的精品资源点击获取 Excel与JSON互转全攻略：从嵌套映射到类型处理
简介Excel与JSON互转工具主要面向开发人员、数据分析师以及需要频繁处理表格和结构化数据的办公人群用于解决两种数据格式之间批量转换效率低下的问题工具同时支持从JSON转换到Excel和从Excel转换到JSON。对于JSON中常见的嵌套对象和数组可以展开为多级表头或者拆分到多个工作表对于包含多个工作表的Excel文件转换后能够生成对应的JSON数组同时数值、日期、布尔值等数据类型都会按JSON规范自动适配避免格式错乱。资源压缩包内共有2个文件一个Java源代码和一个可直接运行的exe程序整体大小仅1.92MB。用户既可以双击exe文件快速完成日常转换也可以查看Java源码理解实现细节甚至进行二次开发。目前已有454人学习使用对于接口联调、报表整合、数据迁移和日常办公中的Excel与JSON互转场景都能有效减少手工复制粘贴和格式调整的时间消耗是一份轻量实用的小工具。 等了这么长时间才写这篇是因为“Excel Json 互转工具”这个标题我在搜索框里见过太多次了。每次搜出来的不是要上传文件、还得担心隐私的网页就是装完发现只能处理单个工作表、嵌套结构一碰就废的小软件。与其等别人把坑踩完不如我把这几年做数据迁移和接口对接时攒下来的互转经验完整写出来。这篇不讲那些“一键转换”的漂亮话只讲真实场景下表格和JSON之间到底该怎么转、为什么这么转、以及哪些位置最容易翻车。1. 表头、行、和JSON对象的对应关系是“互转”的第一步一说“Excel Json互转工具”大部分人的第一反应是把Excel文件拖到一个页面上点一下按钮就能拿到一个整齐的JSON文件。这种工具确实存在但我做了多年数据处理后越来越觉得如果只靠这种“一键转换”十次里有八次拿回来的是不能直接用的数据。原因其实不在“转换”这个过程而是在“映射”这个前置步骤。Excel长着一张二维表格JSON长着一棵带嵌套的树。用一句话概括两者差异Excel的强项是让你看到每一行每一列的整齐页面JSON的强项是表达对象和对象之间的包含关系。这两种结构天然就不是一一对应的。而在实际项目中最常见的对应关系又很固定一个工作表对应一个JSON数组工作表里除表头外的每一行对应数组中的一个JSON对象表头单元格是对象的key单元格值是对应的value最直观的一次经历是帮一个团队做数据提取。对方发来一个十几列、几千行的Excel表丢给我一个接口文档文档里要求POST一个数组每个元素有八个字段其中两个还是嵌套对象比如address.city、address.zip。如果直接把Excel每一行转成一个扁平JSON对象接口方那边必定报“missing field”之类的错误因为嵌套的address对象根本没有生成。所以从那个需求之后我经手的所有Excel Json互转工具第一步都不是写代码而是先画一张映射图Excel里哪一个sheet对应JSON顶层哪个字段哪一行哪一列又对应嵌套对象的哪个key。映射图画清楚后面的代码只是把这个图落地而已。这个“图”完全可以做成可配置的比如JSON结构的字段层级等于Excel表头的点分式名称这样工具才能适应不同接口。很多人把互转失败的锅甩给工具其实锅往往在映射约定没定清楚。先把这一点想透再谈用什么工具才算有方向。2. 正向转换怎么做一条命令导出一套能直接用的 JSON2.1 先约定一个“谁都能看懂”的输出结构正向转换就是Excel到JSON。我推荐用这种结构作为默认输出{ 员工表: [ { 工号: A001, 姓名: 张三, 薪资: 8000 }, { 工号: A002, 姓名: 李四, 薪资: 9500 } ], 部门表: [ { 部门ID: D01, 部门名称: 技术部 } ] }一个sheet生成一组数据表头当作key。这样不管下游是接口、数据库还是数据分析脚本都能一眼看出数据来源。如果你只需要其中某个工作表也可以输出成纯粹的数组不要把sheet层带进去要看目标系统预期什么形态。2.2 我封装的转换脚本骨架直接用pandas读写Excel比自己逐行解析容易得多前提是把几个参数控好。import json import pandas as pd # dtypestr 是防止手机号、工号、订单号被当成数字 df_dict pd.read_excel( input.xlsx, sheet_nameNone, dtypestr, keep_default_naFalse ) result {} for sheet_name, df in df_dict.items(): result[sheet_name] df.to_dict(orientrecords) with open(output.json, w, encodingutf-8) as f: json.dump(result, f, ensure_asciiFalse, indent2)这段代码做了一件极其关键的事所有单元格先按字符串读入避免Excel把“00123”这种编号变成123。等到JSON阶段真正需要数值的字段再用int()、float()做二次转换。如果你不加这个dtype早晚有一天会被“0001丢失前导零”这种事坑一次。有人可能觉得这样太啰嗦不如直接用DataFrame的to_json。to_json确实快但它的输出默认包含索引日期会变成时间戳对阅读不友好。实际做数据对接时我更愿意自己控制输出结构。输出JSON记得加上ensure_asciiFalse否则中文全变成\u5f20\u4e09调试接口的时候根本看不出哪个字段对应哪个值。2.3 日期、公式和合并单元格不预处理一定会翻车Excel里的公式单元格如果用openpyxl直接读默认拿到的是公式字符串而不是计算后的值。在互转场景里除非你要做表格工具本身的数据迁移否则多数情况要的是“最终显示值”。pandas在read_excel时会自动读取缓存的计算结果这是好事。但如果你用openpyxl直接逐行读就要注意取cell.value时可能拿到的是SUM(A1:A10)。日期列同样需要小心。pandas会把日期读成datetime对象json.dump会直接报错因为原生JSON不支持日期类型。我的处理方式是先统一转字符串同时保留显示格式for col in df.columns: if pd.api.types.is_datetime64_any_dtype(df[col]): df[col] df[col].dt.strftime(%Y-%m-%d) elif pd.api.types.is_timedelta64_dtype(df[col]): df[col] df[col].astype(str)合并单元格在read_excel中通常只有左上角有值其他位置是空值。如果你希望合并区域每个单元格都输出同一个值必须先对Excel做反向填充。这个没有现成捷径我是用openpyxl先遍历merged_cells.ranges再把范围内的值统一回填最后再转DataFrame。这类非典型数据正则替换解决不了只能先预处理。3. 反向转换才是重头戏JSON 变成 Excel 会遇到四种“不听话”正向转换大多数通用工具都能做因为Excel的结构相对固定。反向转换才是一堆人搜“JSON转Excel为什么失败”的根源。3.1 嵌套对象先压平还是拆成多张表一份JSON经常长这样{ users: [ { id: 1, name: 张三, address: { city: 上海, zip: 200000 } } ] }address嵌套了一个对象。常见做法是用pandas.json_normalize把嵌套对象摊平成列名address.city、address.zip再写Excel。对于两层嵌套这个办法非常高效。import pandas as pd data { users: [...] } df pd.json_normalize(data[users]) df.to_excel(output.xlsx, indexFalse)但如果嵌套深度超过三层或者同一字段在不同记录里类型不一样这次是对象下次是字符串json_normalize很容易给出意料之外的列组合。更稳的方案是把每个嵌套对象单独拆成一张子表比如users表和addresses表通过id关联。这样结构客户能理解后期想做数据分析也方便。不能一概而论哪种更优只能看下游需求。3.2 数组字段一个 JSON 数组不是 Excel 的一个格子JSON里的数组比如tags: [开发, Java, 后端]没法原样塞进一个单元格。通常有两条路一是拆成多列比如tags_1、tags_2二是用逗号或分号拼接成一个字符串放进一个单元格。如果你以后要把这个Excel再导回数据库多列方案更友好如果只是给人看拼接更好读。两条路都行但代码里必须明确决定不能靠工具默认行为。顺带提一个我在Excel里转JSON数组字段时用的技巧如果数组是字符串数组我会把整列当作一个字符串用json.loads解析后再考虑拆分或保持数组。这样能避免Excel单元格里那种前后带空格、换行符的脏数据直接混进JSON。3.3 null、布尔值和大数字最容易在“转换成功”时埋雷JSON的null在不同工具里可能变成空字符串也可能变成文本“null”。Excel单元格本身有“是否为空”的状态所以我的约定是null一律写成空单元格不要填字符串。JSON的true/false在Excel里对应布尔值但有些互转工具会输出“True”“False”的字符串这在数据清洗时很恼人。我自己的做法是读取的时候先把字符串型true、false还原成Python布尔值再交给DataFrame。大数字是另一个坑。JSON里的数字超过JavaScript安全整数范围时很多在线工具会丢精度因为浏览器端JS先处理一步。你要导出的可能是雪花ID或身份证号如果转出来变成1.2345678e19数据已经废了。所以我在处理这类字段时先读取为字符串再根据字段名决定是否转数字。3.4 文件编码为什么有时打开 CSV 全是乱码如果你反向转换后直接写了一个UTF-8编码的CSV或文本双击Excel打开很可能乱码因为Excel对UTF-8的支持尤其在Windows环境并不那么“无感”。解决办法是写入编码为UTF-8 with BOM也就是Python里的encodingutf-8-sig。如果写的是xlsx通常用pandas/openpyxl没有乱码问题。但一旦用了CSV方案就一定记得加BOM。“为什么我转出来的文件乱码”这类搜索高频出现多半就是少了这一步。4. 为什么不直接用在线互转工具而是自己写脚本网上搜“Excel Json互转工具”能搜到一大把在线转换器。最初我也用过用得不太满意原因可以拿来说说。方案能处理多sheet吗能自定义嵌套吗数据隐私适合场景在线转换网站多数不行基本不行数据要传服务器临时、脱敏数据Excel自带的Power Query JSON可做但配置繁琐能但学习成本高本地处理个人日常清洗自己写的Python脚本完全可控完全可控本地处理重复交付、接口对接在线工具最大的问题不是功能而是它把“转换”做成了一个黑盒。你拿到结果后不知道它为什么这样处理空值、不知道它怎么处理数字精度、也不知道它是否偷偷丢掉了某些列。在单次转换少量数据时无所谓但一旦你要交付给客户或者录入数据库系统你没办法解释结果里为什么少了一行。于是我自己写了一个小工具。这个工具不需要界面一条Python命令输入文件、指定sheet名、输出JSON完成。麻烦是麻烦了点但每次跑出来的结果都可复现这是在线工具给不了的。如果你不想碰代码我再推荐一个折中方案Power Query。Excel自带的Power Query可以把JSON当作数据源导入并且能通过界面操作调整嵌套层级。但Power Query的JSON解析对数组支持得好对深层内嵌对象支持得不够直观遇到schema不稳定的JSON写完步骤后很容易报未找到列。所以我觉得在线工具适合一次性的小规模操作Power Query适合长期维护的报表数据流Python脚本则适合需要精确可控的接口对接和数据交付。5. 如果要做成一个正规的小工具字段映射、空值策略和类型转换得这么设计5.1 用映射表代替硬编码列名我常遇到的情况是Excel的列头叫“员工姓名”但JSON接口要求的字段是employee_name。这种差异如果靠改Excel表头每接一个新需求就改一次文件不现实。更好的办法是做一个映射表field_map { 员工姓名: employee_name, 入职时间: hire_date, 薪资: salary }转换时遍历Excel每一列如果列头在映射表里就输出为映射后的key不在映射表里的列可以选择忽略还是原样输出。映射表还可以支持类型转换比如“薪资”字段统一转float这样就把转换逻辑从具体表格中剥离开来变成可配置的规则。5.2 空值策略三选一但不要混用一个Excel数据源里空单元格到底要不要出现在JSON里我认为应该由下游决定。如果下游要求字段齐整那空值输出null如果下游用Python的dict.get访问字段那字段缺失也不影响反而更省空间。我发现很多报错比如failed to deserialize the json body into the target type: missing field就是序列化时缺了Excel里的某一列而输入方又要求该字段必须存在。这种问题责任不在数据也不在工具而在转换时没有把“空值”明确成null而不是“不输出该字段”。所以在设计工具时我加了一个空值策略参数missing、null、empty_string三选一。默认使用null适配大多数接口契约。5.3 做完转换之后必须做一次类型抽样做互转工具最容易掉以轻心的环节是类型确认。Excel单元格看起来是“123”实际可能是文本也可能是数字JSON里的“1.00”转回Excel也分分钟变成“1”。因此我的建议是在工具转换之后加一道“抽查”步骤随机挑两三行肉眼核对字段类型再拿一份目标系统的示例JSON做diff。别嫌麻烦数据转换的事故大多是最后交付时才发现。6. 顺手再加这几个能力互转的闭环才算完整在我自己的版本里后续又加了几个实用功能这里一并分享按sheet选择性导出。只转指定的几个sheet而不是全部。行列过滤。比如某列的值等于某个条件才输出该行。嵌套层级控制。用parent.child这样的列头在正向转换时生成嵌套JSON而不是摊平结构。Excel模板生成。拿到一份JSON样例自动生成对应的Excel模板带好表头下游的人填完数据再导回JSON形成闭环。尤其是最后一点很多团队都在做“Excel填报-JSON入库”的流程本质就是先根据JSON字段生成Excel模板再让业务人员填单最后程序回读。这个闭环一旦跑通小团队也能在没有任何后台界面的情况下实现数据采集。嵌套层级控制的实现也不复杂只需要在读取表头时按.拆分def build_nested(records): nested [] for row in records: obj {} for key, value in row.items(): parts key.split(.) tmp obj for p in parts[:-1]: tmp tmp.setdefault(p, {}) tmp[parts[-1]] value nested.append(obj) return nested这段代码不处理数组但已经能覆盖大多数“两三层嵌套”的接口结构。如果遇到数组嵌套就需要配合额外配置判断当前字段是对象还是数组。我在实际项目里是单独维护了一份字段结构描述文件类似JSON Schema字段层级和类型都写清楚。这也是为什么我坚持不推荐一个“什么都能转”的万能工具结构越复杂约定就要越明确否则表面上转成功了其实没有人敢真正使用那份输出。如果你也在做Excel和JSON的互转我建议先别着急找工具拿出一张真实的表摘出最麻烦的一列想清楚它转到JSON后应该是什么形态再用我上面说的方式去写自己的脚本。工具从来都不是问题本身数据映射才是。用坏过几次在线工具之后我现在的原则是本地能跑通的事绝不上传第三方平台手上有一份可复现的脚本比什么“智能转换工具”都可靠。以后每遇到一种奇怪格式就往脚本里补一条规则慢慢你会发现它已经变成你自己最顺手的私有数据转换器。本文还有配套的精品资源点击获取