怎么把json转成excel

JSON数据转Excel的实用指南与工具推荐

在数据处理与分析的日常工作中,我们常常会遇到需要将JSON（JavaScript Object Notation）格式的数据转换为Excel表格的场景，JSON作为一种轻量级的数据交换格式，因其结构灵活、易于解析而被广泛应用于API接口、数据存储和配置文件中，而Excel凭借其强大的数据处理、可视化分析和便捷的编辑功能，成为办公人员整理数据的“利器”，如何高效地将JSON数据转换为Excel呢？本文将介绍多种实用方法，涵盖从手动操作到自动化工具，帮助你轻松完成数据转换任务。

理解JSON与Excel的基本结构

在转换之前,先简单了解两者的核心差异：

JSON：以键值对（key-value）为核心，支持嵌套结构（如对象、数组），

[
  {"name": "张三", "age": 25, "city": "北京", "hobbies": ["阅读", "跑步"]},
  {"name": "李四", "age": 30, "city": "上海", "hobbies": ["游泳", "摄影"]}
]

Excel：以二维表格形式存储数据，行代表记录，列代表字段，不支持复杂的嵌套结构（需通过拆分列或合并单元格处理）。

转换的核心是将JSON的“键”转为Excel的“列名”，“值”转为表格中的“单元格数据”，并处理嵌套或数组数据（如上述“hobbies”字段）。

手动转换：适用于少量数据

如果JSON数据量较小（如10条以内），可通过手动操作快速完成：

复制粘贴法（适用于扁平化JSON）

若JSON数据结构简单（无嵌套或数组），可直接复制JSON内容，粘贴到Excel中，通过“分列”功能整理格式：

打开Excel,选中单元格，粘贴JSON数据；
选中数据列,点击“数据”→“分列”→“分隔符号”，勾选“逗号”或“其他符号”（如JSON中的冒号、引号），按向导完成分列。

手动构建表格（适用于嵌套JSON）

若JSON包含嵌套结构（如“hobbies”数组），需手动拆分：

第一步：提取顶层键作为Excel列名（如“name”“age”“city”“hobbies”）；
第二步：将JSON的“值”逐行填入对应列；
第三步：对数组字段（如“hobbies”），可通过“文本分列”将“[阅读, 跑步]”拆分为多列，或用“&”符号合并为文本（如“阅读, 跑步”）。

优点：无需工具，灵活可控；缺点：效率低，易出错，仅适合少量数据。

工具转换：高效处理大批量数据

当JSON数据量较大（如百条以上）或结构复杂时，手动操作显然不现实，借助专业工具可大幅提升效率，以下是几种主流方法：

方法1：使用Excel内置功能（Excel 2016及以上版本）

新版Excel支持直接导入JSON数据,适合不熟悉编程的用户：

打开Excel,点击“数据”→“获取数据”→“从文件”→“从JSON”；
选择JSON文件,点击“导入”，进入“Power Query 编辑器”；
在编辑器中,可对JSON数据进行预处理：
- 若JSON是数组格式（如示例中的列表），直接点击“转换为表格”；
- 若JSON包含嵌套对象,可右键点击字段，选择“展开”以拆分嵌套数据；
- 对数组字段（如“hobbies”），点击“展开”→“展开到新行”，将数组元素转为多行记录；
处理完成后,点击“关闭并加载”，数据将自动导入Excel工作表。

优点：无需额外安装，可视化操作，适合基础用户；缺点：对复杂嵌套结构的处理可能需一定学习成本。

方法2：使用Python编程（适合开发者或自动化需求）

Python凭借强大的数据处理库（如pandas、json），可灵活实现JSON转Excel，尤其适合批量处理或集成到自动化流程中。

步骤：

安装所需库：
```
pip install pandas openpyxl
```

编写转换脚本（示例）：

import json
import pandas as pd
# 读取JSON文件（假设JSON文件名为"data.json"）
with open("data.json", "r", encoding="utf-8") as f:
    data = json.load(f)  # 若JSON是数组，直接加载；若是对象，需提取键值
# 将JSON转为DataFrame（pandas的核心数据结构）
# 若JSON是列表（如示例），直接传入；若是嵌套对象，可先转换为字典列表
df = pd.DataFrame(data)
# 处理嵌套字段（如"hobbies"数组）
# 方法1：展开数组为多列（适合数组长度固定）
if "hobbies" in df.columns:
    df = df.join(pd.DataFrame(df["hobbies"].tolist(), index=df.index).add_prefix("hobby_"))
# 方法2：将数组合并为文本（适合保留原始数据）
# df["hobbies"] = df["hobbies"].apply(lambda x: ", ".join(x) if isinstance(x, list) else x)
# 保存为Excel文件
df.to_excel("output.xlsx", index=False, engine="openpyxl")
print("JSON转Excel完成！")

优点：灵活高效，可处理复杂结构，支持自动化；缺点：需基础Python编程能力。

方法3：使用在线转换工具（适合临时需求）

若无需本地处理数据,可借助在线JSON转Excel工具，如：

ConvertJSON to Excel（https://convertio.co/json-excel/）
JSON to Excel Converter（https://www.aconvert.com/json/to-excel/）

使用步骤：

打开在线工具,上传JSON文件或粘贴JSON内容；
选择Excel格式（如.xlsx或.xls）；
点击“转换”，下载生成的Excel文件。

优点：无需安装软件，操作简单；缺点：需上传数据至第三方平台，不适合敏感数据；部分工具对数据量有限制。

方法4：使用专业办公软件（如WPS）

WPS表格与Excel类似,也支持JSON导入功能：

打开WPS表格,点击“数据”→“获取数据”→“导入数据”→“从JSON”；
后续操作与Excel的Power Query类似，按向导完成转换。

转换后的数据优化与注意事项

无论采用哪种方法,转换后可能需进一步优化数据：

处理空值：检查Excel中的空白单元格，根据需求填充默认值（如“无”“0”）或删除空行；
格式统一：确保日期、数字等格式符合需求（如日期统一为“YYYY-MM-DD”格式）；
去除重复数据：使用Excel的“删除重复项”功能清理冗余记录；
验证数据完整性：对比JSON与Excel的数据条数及关键字段，避免转换过程中丢失数据。

如何选择合适的方法？

场景	推荐方法
少量数据、结构简单	手动复制粘贴或Excel内置功能
大批量数据、需自动化	Python编程（pandas库）
临时使用、无安装环境	在线转换工具
熟悉WPS用户	WPS表格内置功能