如何将表数据转成json字符串

如何将表数据转成JSON字符串：从基础到实践的全面指南

在现代软件开发中,JSON（JavaScript Object Notation）已成为数据交换的主流格式，因其轻量级、易读、易解析的特性，被广泛应用于前后端数据交互、API响应、配置文件存储等场景，而“表数据”（如数据库表、Excel表格、程序中的二维表格等）作为结构化数据的常见载体，将其转换为JSON字符串是开发者常需面对的任务，本文将系统介绍表数据转JSON的核心方法、不同场景下的实践技巧及注意事项，帮助 you 快速这一技能。

理解表数据与JSON的基本结构

在转换之前,需先明确两种数据结构的对应关系：

• 表数据：通常由“行”（记录）和“列”（字段）组成，例如数据库表中的每一行是一条记录，列名是字段名，单元格值是字段值。
• JSON：核心是键值对（Key-Value）结构，可通过对象（）表示单条记录（键为字段名，值为字段值），用数组（[]}）存储多条记录（对象集合）。

数据库中的表 users：

转换为JSON后,典型结果为：

[
  {"id": 1, "name": "Alice", "age": 25, "email": "alice@example.com"},
  {"id": 2, "name": "Bob", "age": 30, "email": "bob@example.com"}
]

常见场景下的转换方法

数据库表数据转JSON（SQL场景）

从数据库查询结果直接生成JSON,是后端开发中的高频需求，主流数据库（如MySQL、PostgreSQL、SQL Server）均内置了JSON生成函数。

（1）MySQL 5.7+：使用 JSON_ARRAYAGG 和 JSON_OBJECT

SELECT 
  JSON_ARRAYAGG(
    JSON_OBJECT(
      'id', id, 
      'name', name, 
      'age', age, 
      'email', email
    )
  ) AS users_json
FROM users;

• JSON_OBJECT(key1, value1, key2, value2, ...)：将列名和值转换为JSON对象。
• JSON_ARRAYAGG(...)：将多个JSON对象聚合成JSON数组。

（2）PostgreSQL：使用 json_agg 和 to_jsonb

SELECT 
  json_agg(
    jsonb_build_object(
      'id', id, 
      'name', name, 
      'age', age, 
      'email', email
    )
  ) AS users_json
FROM users;

• jsonb_build_object：构建JSONB（二进制JSON，支持更多操作）对象。
• json_agg：聚合为JSON数组。

（3）SQL Server：使用 FOR JSON PATH

SELECT 
  id, name, age, email
FROM users
FOR JSON PATH, ROOT('users');

• FOR JSON PATH：按路径格式生成JSON（列名自动作为键）。
• ROOT('users')：为JSON数组添加根节点（可选）。

（4）Python + SQLAlchemy：通过ORM查询后转换

若使用Python的SQLAlchemy ORM，可先查询为字典列表，再序列化为JSON：

from sqlalchemy import create_engine, text
import json
# 创建数据库连接
engine = create_engine('mysql+pymysql://user:password@localhost/db_name')
# 查询数据并转换为字典列表
with engine.connect() as conn:
    result = conn.execute(text("SELECT id, name, age, email FROM users"))
    data = [dict(row._mapping) for row in result]  # 将行映射为字典
# 转换为JSON字符串
json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)

Excel/CSV表格数据转JSON（办公场景）

处理Excel或CSV文件时,可通过工具或代码实现转换。

（1）手动转换（小数据量）

• Excel：选中数据区域 → 点击“文件”→“另存为”→ 选择“JSON(*.json)”格式（需Excel 2016+支持）。
• CSV：打开CSV文件，复制数据 → 使用在线工具（如CSVJSON）或代码转换。

（2）Python + Pandas：批量转换（推荐）

Pandas提供了强大的表格处理能力,可轻松将DataFrame转为JSON：

import pandas as pd
# 读取Excel或CSV文件
df = pd.read_excel('users.xlsx')  # 或 pd.read_csv('users.csv')
# 转换为JSON字符串（orient='records'按行转为对象数组）
json_str = df.to_json(orient='records', force_ascii=False, indent=2)
print(json_str)
# 保存到文件
with open('users.json', 'w', encoding='utf-8') as f:
    f.write(json_str)

• orient='records'：关键参数，生成对象数组格式（默认为orient='columns'，生成键为列名的对象）。
• force_ascii=False：支持非ASCII字符（如中文）。
• indent=2：格式化输出，提升可读性。

程序内存中的表数据转JSON（代码场景）

在代码中,若数据已存储为二维列表、字典列表等结构，可直接序列化为JSON。

（1）Python：使用 json 模块

import json
# 模拟表数据（字典列表，每行一个字典）
table_data = [
    {"id": 1, "name": "Alice", "age": 25, "email": "alice@example.com"},
    {"id": 2, "name": "Bob", "age": 30, "email": "bob@example.com"}
]
# 转换为JSON字符串
json_str = json.dumps(table_data, ensure_ascii=False, indent=2)
print(json_str)

• json.dumps()：将Python对象序列化为JSON字符串。
• ensure_ascii=False：避免中文被转义为\uXXXX。
• indent=2：缩进格式化，便于调试。

（2）JavaScript/Node.js：使用 JSON.stringify()

// 模拟表数据（对象数组）
const tableData = [
  {id: 1, name: "Alice", age: 25, email: "alice@example.com"},
  {id: 2, name: "Bob", age: 30, email: "bob@example.com"}
];
// 转换为JSON字符串
const jsonStr = JSON.stringify(tableData, null, 2); // null表示不过滤属性，2为缩进
console.log(jsonStr);

复杂表数据嵌套转换（关联表场景）

实际业务中,表数据常存在一对多、多对多关系（如用户表与订单表），需转换为嵌套JSON。

示例：用户表与订单表关联

用户表（users）：
| id | name |
|-----|-------|
| 1 | Alice |
| 2 | Bob |

订单表（orders）：
| id | user_id | product | price |
|-----|---------|---------|-------|
| 1 | 1 | "Laptop"| 5000 |
| 2 | 1 | "Mouse" | 100 |
| 3 | 2 | "Keyboard"| 300 |

目标JSON：

[
  {
    "id": 1,
    "name": "Alice",
    "orders": [
      {"id": 1, "product": "Laptop", "price": 5000},
      {"id": 2, "product": "Mouse", "price": 100}
    ]
  },
  {
    "id": 2,
    "name": "Bob",
    "orders": [
      {"id": 3, "product": "Keyboard", "price": 300}
    ]
  }
]

转换方法（Python示例）：

import json
from collections import defaultdict
# 模拟原始数据
users = [
    {"id": 1, "name": "Alice"},
    {"id": 2, "name": "Bob"}
]
orders = [
    {"id": 1, "user_id": 1, "product": "Laptop", "price": 5000},
    {"id": 2, "user_id": 1, "product": "Mouse", "price": 100},
    {"id": 3, "user_id": 2, "product": "Keyboard", "price