JSON格式数据轻松转换为Excel表格的实用指南
在数据处理和分析中，JSON（JavaScript Object Notation）和Excel是两种常用的数据格式，JSON以其轻量、易读的特性广泛用于API数据交换、配置文件存储等场景；而Excel则凭借强大的表格处理、公式计算和可视化功能，成为办公和数据管理的首选工具，将JSON数据转换为Excel表格，能让我们更直观地查看、编辑和分析数据，本文将详细介绍JSON格式转换为Excel的多种方法，涵盖手动操作、代码编程和工具辅助,助你轻松应对不同场景的需求。
JSON与Excel的基础认知
什么是JSON？
JSON是一种基于文本的数据交换格式，采用“键值对”（Key-Value）的方式组织数据，结构清晰，易于机器解析和生成，常见的数据类型包括对象（用表示，类似字典）、数组（用[]表示，类似列表）、字符串、数字、布尔值和null。
[
{"name": "张三", "age": 25, "city": "北京"},
{"name": "李四", "age": 30, "city": "上海"},
{"name": "王五", "age": 28, "city": "广州"}
]
这是一个典型的JSON数组，每个元素是一个包含“姓名、年龄、城市”键值对的对象。
为什么需要转换为Excel？
- 直观性：Excel以表格形式展示数据，行列结构清晰，比JSON更易人工阅读。
- 功能性：Excel支持排序、筛选、公式计算、数据透视表等操作，便于深度分析。
- 兼容性：Excel是办公软件通用格式，便于与他人共享和协作。
JSON转Excel的常用方法
根据JSON数据的复杂程度、转换量级和操作习惯，可选择以下三种主流方法：手动复制粘贴（适合小数据量）、代码编程（适合批量/自动化处理）、在线工具或软件（适合无代码需求）。
方法1：手动复制粘贴（最简单，适合小数据量）
如果JSON数据结构简单（如上述示例的二维数组），且数据量较小（几十行以内）,可直接通过复制粘贴实现转换。
操作步骤：
- 准备JSON数据：确保JSON是“表格友好”的结构——即最外层是数组，每个元素是对象，且所有对象的键（字段名）一致。
- 复制JSON数据：选中JSON文本，按
Ctrl+C复制。 - 粘贴到Excel：打开Excel，选中目标单元格（如A1），按
Ctrl+V，Excel会自动识别JSON结构，将其转换为表格：- 第一行显示字段名（name、age、city）；
- 后续行对应各条数据的值（张三、25、北京等）。
注意事项：
- 若JSON结构复杂（如嵌套对象或数组），直接粘贴可能导致数据错乱。
{"name": "张三", "info": {"age": 25, "city": "北京"}}粘贴后，“info”字段会以文本形式显示整个对象，无法直接拆分为“age”和“city”列。
- 此方法仅适合简单JSON,大数据量或重复操作时效率低下。
方法2：代码编程（灵活高效，适合批量/自动化处理）
对于复杂数据结构、大规模数据或需要定期转换的场景，使用代码编程是最优选择，Python凭借其强大的数据处理库（如pandas、openpyxl）,成为JSON转Excel的首选语言。
准备工作：安装Python库
打开命令行工具（如Windows的CMD或Mac的Terminal）,运行以下命令安装所需库：
pip install pandas openpyxl
pandas：用于处理JSON数据并生成DataFrame（表格结构）；openpyxl：用于将DataFrame写入Excel文件（.xlsx格式）。
示例代码：将JSON文件转换为Excel
假设有一个名为data.json的文件,内容如下：
[
{"id": 1, "product": "手机", "price": 2999, "specs": {"color": "黑色", "storage": "128GB"}},
{"id": 2, "product": "电脑", "price": 5999, "specs": {"color": "白色", "storage": "256GB"}},
{"id": 3, "product": "平板", "price": 1999, "specs": {"color": "银色", "storage": "64GB"}}
]
步骤1：读取JSON数据
使用pandas的read_json()方法直接读取JSON文件：
import pandas as pd
# 读取JSON文件（支持本地文件路径或URL）
df = pd.read_json('data.json')
print(df)
运行后，df（DataFrame）的结构如下：
id product price specs
0 1 手机 2999 {'color': '黑色', 'storage': '128GB'}
1 2 电脑 5999 {'color': '白色', 'storage': '256GB'}
2 3 平板 1999 {'color': '银色', 'storage': '64GB'}步骤2：处理嵌套数据（可选）
如果JSON包含嵌套对象（如“specs”字段），需先将其拆分为独立列，否则Excel中会以文本显示嵌套结构，使用pandas的json_normalize()方法：
from pandas import json_normalize # 嵌套字段处理：假设主数据在'data'键下（若JSON直接是数组，无需此步） # 本例中JSON直接是数组，直接对'df'的'specs'列展开 df_normalized = json_normalize(df) print(df_normalized)
处理后，df_normalized的结构变为：
id product price color storage
0 1 手机 2999 黑色 128GB
1 2 电脑 5999 白色 256GB
2 3 平板 1999 银色 64GB步骤3：写入Excel文件
使用pandas的to_excel()方法将DataFrame保存为Excel：
# 写入Excel，index=False表示不保存行索引（Excel默认的0,1,2...）
df_normalized.to_excel('output.xlsx', index=False, engine='openpyxl')
执行后，当前目录会生成output.xlsx如下：
| id | product | price | color | storage |
|---|---|---|---|---|
| 1 | 手机 | 2999 | 黑色 | 128GB |
| 2 | 电脑 | 5999 | 白色 | 256GB |
| 3 | 平板 | 1999 | 银色 | 64GB |
进阶技巧：处理复杂JSON（如多层嵌套或数组）
如果JSON包含多层嵌套或数组字段（如“specs”中还有数组），需结合json_normalize()的record_path和meta参数处理。
[
{"id": 1, "product": "手机", "specs": [{"color": "黑色", "storage": "128GB"}, {"color": "白色", "storage": "256GB"}]},
{"id": 2, "product": "电脑", "specs": [{"color": "白色", "storage": "512GB"}]}
]
处理代码：
df = pd.read_json('complex_data.json')
# record_path：展开数组字段（specs），meta：保留外层字段（id, product）
df_normalized = json_normalize(df, record_path=['specs'], meta=['id', 'product'])
print(df_normalized)
结果：
color storage id product
0 黑色 128GB 1 手机
1 白色 256GB 1 手机
2 白色 512GB 2 电脑方法3：在线工具或软件（无需编程，适合临时需求）
如果不熟悉编程，或仅需偶尔转换少量JSON数据，可使用在线转换工具或桌面软件,操作简单且无需安装依赖。
推荐在线工具：
-
ConvertJSON（https://www.convertjson.com/json-to-excel.htm）
- 支持直接粘贴JSON文本或上传JSON文件；
- 自动识别JSON结构，转换为Excel表格；
- 可选择下载
.xlsx或.csv格式。
-
JSON to Excel Converter（https://www.browserling.com/tools/json-to-xlsx）
- 支持批量转换（多个JSON文件）；
- 提供预览功能，确认无误后下载。
操作步骤（以ConvertJSON为例）：
打开
还没有评论，来说两句吧...