Python进行JSON和Excel文件转换处理指南

 更新时间:2025年07月30日 15:34:58   作者:Eiceblue  
在数据交换与系统集成中,JSON 与 Excel 是两种极为常见的数据格式,本文将介绍如何使用 Python 实现 将 JSON 转换为格式化的 Excel 文件,从 Excel 生成 JSON 文件,希望对大家有所帮助

在数据交换与系统集成中,JSON 与 Excel 是两种极为常见的数据格式。JSON 适用于系统间传输,结构灵活;而 Excel 更适合可视化展示与手动编辑。本文将介绍如何使用 Python 实现 将 JSON 转换为格式化的 Excel 文件从 Excel 生成 JSON 文件,并 处理嵌套 JSON 的扁平化问题,帮助你在多数据源场景下高效完成数据转换。

本文使用的方法需要用到 Free Spire.XLS for Python,可通过pip安装:pip install spire.xls.free

将 JSON 导入为格式化 Excel

将结构化 JSON 文件导入为 Excel 表格时,可以通过 Spire.XLS 自动写入列头与数据,同时设置单元格样式,使内容更清晰易读。

操作说明:

  1. 读取 JSON 文件,提取键名作为表头;
  2. 写入数据并设置表头样式(加粗、背景色);
  3. 自动调整列宽,提升可读性;
  4. 保存为 .xlsx 文件。

示例 JSON:employees.json

[
  {"Name": "Alice", "Age": 30, "Department": "HR"},
  {"Name": "Bob", "Age": 27, "Department": "IT"},
  {"Name": "Charlie", "Age": 35, "Department": "Sales"}
]

代码示例:

from spire.xls import Workbook, FileFormat, Color
import json

# 加载 JSON 数据
with open("employees.json", "r", encoding="utf-8") as f:
    data = json.load(f)

workbook = Workbook()
workbook.Worksheets.Clear()
sheet = workbook.Worksheets.Add("employees")

# 写入表头并设置样式
headers = list(data[0].keys())
for col, header in enumerate(headers):
    cell = sheet.Range[1, col + 1]
    cell.Text = header
    cell.Style.Font.FontName = "Times New Roman"
    cell.Style.Font.IsBold = True
    cell.Style.Font.Size = 16.0
    cell.Style.Color = Color.get_LightGray()

# 写入数据并设置样式
for row_idx, row in enumerate(data, start=2):
    for col_idx, key in enumerate(headers):
        sheet.Range[row_idx, col_idx + 1].Text = str(row.get(key, ""))
dataRange = sheet.Range[2, 1, sheet.LastRow, sheet.LastColumn]
dataRange.Style.Color = Color.get_LightPink()
dataRange.Style.Font.FontName = "Arial"
dataRange.Style.Font.Size = 12.0
dataRange.BorderInside()
dataRange.BorderAround()

# 自动调整列宽
for i in range(1, len(headers) + 1):
    sheet.AutoFitColumn(i)

# 保存 Excel 文件
workbook.SaveToFile("output/employees.xlsx", FileFormat.Version2016)
workbook.Dispose()

生成的 Excel 文件截图:

将 Excel 导出为结构化 JSON

将 Excel 表格导出为 JSON 时,可以自动读取第一行作为键名,并逐行构造字典列表,最终保存为 .json 文件。

操作说明:

  • 获取最后一行和最后一列;
  • 读取第一行作为 headers;
  • 逐行读取数据并转换为字典结构;
  • 使用 json.dump 输出到文件。

代码示例:

import json

# 获取最大行列
rows = sheet.LastRow
cols = sheet.LastColumn

# 提取表头
headers = [sheet.Range[1, i + 1].Text for i in range(cols)]
data = []

# 构造 JSON 数据
for r in range(2, rows + 1):
    row_data = {}
    for c in range(cols):
        row_data[headers[c]] = sheet.Range[r, c + 1].Text
    data.append(row_data)

# 输出 JSON 文件
with open("output/products_out.json", "w", encoding="utf-8") as f:
    json.dump(data, f, indent=2, ensure_ascii=False)

Excel文件数据:

生成的 JSON 文件片段:

处理嵌套 JSON:扁平化转换

在实际开发中,JSON 数据经常包含嵌套对象。若直接导入 Excel,结构会混乱或不完整。可使用扁平化(flatten)技术,将嵌套结构展平为扁平键名形式(如 address.city)。

示例嵌套 JSON:

[
  {
    "name": "John",
    "email": "john@example.com",
    "address": {
      "city": "New York",
      "zip": "10001"
    }
  }
]

Python 扁平化函数示例:

def flatten_json(obj, prefix=""):
    flat = {}
    for key, value in obj.items():
        full_key = f"{prefix}{key}" if prefix == "" else f"{prefix}.{key}"
        if isinstance(value, dict):
            flat.update(flatten_json(value, full_key))
        else:
            flat[full_key] = value
    return flat

# 使用扁平化函数
with open("nested.json", "r", encoding="utf-8") as f:
    nested_data = json.load(f)

flat_data = [flatten_json(item) for item in nested_data]

扁平化后的结构:

[
  {
    "name": "John",
    "email": "john@example.com",
    "address.city": "New York",
    "address.zip": "10001"
  }
]

总结

借助 Spire.XLS for Python,我们可以在 Python 项目中轻松实现 JSON 与 Excel 之间的相互转换,满足数据展示、系统交互等多种场景需求。对于结构复杂的 JSON 数据,也可通过自定义方法进行处理,从而实现高效的数据导入导出。

到此这篇关于Python进行JSON和Excel文件转换处理指南的文章就介绍到这了,更多相关Python JSON和Excel转换内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python中的Descriptor描述符学习教程

    Python中的Descriptor描述符学习教程

    简单来说,数据描述符是指实现了__get__、__set__、__del__方法的类属性,等效于定义了三个方法的接口,下面就来详细看一下Python中的Descriptor修饰符学习教程
    2016-06-06
  • python办公自动化(Excel)的实例教程

    python办公自动化(Excel)的实例教程

    使用Excel自动化处理,将会用到Python第三方库,所以我们需要提前通过来进行安装,下面这篇文章主要给大家介绍了关于python办公自动化(Excel)的相关资料,需要的朋友可以参考下
    2022-11-11
  • 使用BeautifulSoup和Pandas进行网页数据抓取与清洗处理

    使用BeautifulSoup和Pandas进行网页数据抓取与清洗处理

    在数据分析和机器学习的项目中,数据的获取,清洗和处理是非常关键的步骤,下面我们就来讲讲如何利用Python中的Beautiful Soup库进行这样的操作吧
    2025-02-02
  • python-pymongo常用查询方法含聚合问题

    python-pymongo常用查询方法含聚合问题

    这篇文章主要介绍了python-pymongo常用查询方法含聚合问题,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2023-05-05
  • 浅析python常用数据文件处理方法

    浅析python常用数据文件处理方法

    这篇文章主要介绍了python常用数据文件处理方法,虽说python运行速度慢,但其编程速度,第三方包的丰富度是真的高,涉及到文件批处理还是会选择python,感兴趣的朋友跟随小编一起看看吧
    2021-10-10
  • python pyecharts 实现一个文件绘制多张图

    python pyecharts 实现一个文件绘制多张图

    这篇文章主要介绍了python pyecharts 实现一个文件绘制多张图,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • 在Python中COM口的调用方法

    在Python中COM口的调用方法

    今天小编就为大家分享一篇在Python中COM口的调用方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • python 匿名函数与三元运算学习笔记

    python 匿名函数与三元运算学习笔记

    这篇文章主要介绍了python 匿名函数与三元运算的相关资料,帮助大家更好的理解和学习python 编程,感兴趣的朋友可以了解下
    2020-10-10
  • python通过加号运算符操作列表的方法

    python通过加号运算符操作列表的方法

    这篇文章主要介绍了python通过加号运算符操作列表的方法,实例分析了Python使用加号运算符实现列表追加的方法,需要的朋友可以参考下
    2015-07-07
  • python代码 FTP备份交换机配置脚本实例解析

    python代码 FTP备份交换机配置脚本实例解析

    这篇文章主要介绍了python代码 FTP备份交换机配置脚本实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-08-08

最新评论