JSON 转 Excel 完整指南：在线工具、Power Query 与 Python 怎么选

JSON 转 Excel 为什么没那么简单

JSON 和 Excel 对「形状」的理解不一样。JSON 是一棵树：对象里套对象，数组里装着还带数组的对象。而工作表是一个矩形：行、列，一个格子放一个值。

所以每一次 JSON 转 Excel，本质上都是一组决策，而不是一个机械步骤：

• 文档里哪一部分才是表格？API 响应通常把真正的数据行包在 data 或 results 这类字段里。
• 嵌套对象怎么办？它必须变成额外的列。
• 数组怎么办？一个格子放不下三个值，总得舍弃点什么。
• null 怎么办？超长整数怎么办？布尔值呢？

把这些决策藏起来的工具能很快吐出一张表，也会安静地把其中几个决策做错。这篇指南把每个决策对数据的实际影响摊开讲清楚，让你能核对结果，而不是只能相信结果。

三条实用路径

下文先把在线这条路走细，再说明另外两条什么时候才是更好的答案。

第一步：找到 JSON 里真正的表格

真实的 API 响应很少把数据行放在顶层，通常长这样：

{
  "data": [
    { "id": 1024, "name": "Alice Chen", "active": true },
    { "id": 1025, "name": "Bob Miller", "active": false }
  ],
  "page": 1,
  "total": 2
}

数据行在 data 里。page 和 total 是关于这次响应的元信息，不是表格的列。

好的转换器会自动识别这一点：它会去找 data、items、records、rows、results、list 这些常见的包裹字段名，取其中的数组。如果你的 API 用了别的名字，或者数组藏得更深，你可以自己填一个点号路径来指定根节点，比如 response.payload.orders。

如果你让工具对着整个文档而不是那个数组转换，结果就是一行，其中某个单元格塞着整段 JSON。这是「转换结果看起来坏掉了」最常见的原因。

第二步：看清嵌套怎么变成列

拿一条同时包含嵌套对象、字符串数组和对象数组的记录：

{
  "data": [
    {
      "id": 1024,
      "name": "Alice Chen",
      "active": true,
      "score": null,
      "address": { "city": "Berlin", "zip": "10115" },
      "tags": ["pro", "beta"],
      "orders": [
        { "sku": "A-1", "qty": 2 },
        { "sku": "B-7", "qty": 1 }
      ]
    },
    {
      "id": 1025,
      "name": "Bob Miller",
      "active": false,
      "score": 91.5,
      "address": { "city": "Paris", "zip": "75001" },
      "tags": [],
      "orders": [{ "sku": "C-3", "qty": 5 }]
    }
  ]
}

用默认设置转换，得到的表格是这样：

这张表里有三处值得细看。

嵌套对象变成了列，表头取的是路径最后一段。 来源路径是 address.city，但列头是 City。这是有意为之：把 address.city 当表头准确但难读，而表格终究是给人看的。完整点号路径会保留在映射面板里，所以你随时知道某一列是从哪来的。

代价出现在两个分支以同一个词结尾的时候。如果记录里同时有 user.name 和 company.name，你会得到两个都叫 Name 的列。把文件发给别人之前，先在映射面板里改掉其中一个。

null 变成了空单元格。 不是文本 null，也不是数字 0。Alice 的 score 确实是缺失的，而空单元格正是表格表达「没有」的方式。这一点很关键：=AVERAGE() 会跳过空单元格，但会把 0 老老实实算进平均值。

类型保住了。 91.5 在 .xlsx 里是数值而不是字符串 "91.5"。true 和 false 是布尔值，所以 Excel 显示成 TRUE／FALSE 并且可以直接筛选。那些把所有内容都写成文本的转换器，会逼你在导入后把每一列重新转一遍类型。

第三步：决定数组变成什么

上面表格里的 tags 和 orders 还是 JSON 文本——忠实，但在表格里没什么用。单元格里表示数组有三种方式，选哪种取决于你打算拿这个文件干什么。

保留 JSON 文本（默认）。什么都不丢。适合表格只是中间产物、后面还有程序会再解析这个单元格的场景。

拼接值。 ["pro","beta"] 变成 pro, beta，空数组变成空单元格。当数组里装的是简单标签、并且这张表是给人看的，这是正确选择。

计数。 ["pro","beta"] 变成 2，空数组变成 0。当你在做报表、关心的是「有几个」而不是「是哪些」时用它。因为结果是真正的数字，你可以立刻求和与排序。

注意最后一行：把对象数组拼接起来，会得到没人愿意读的东西。当数组里装的是对象而不是标签时，这三种方式都不合适——你需要的是第二张工作表。这部分见JSON 数组转 Excel 工作表。

第四步：当心超长数字

这一条会悄无声息地毁掉数据，而且几乎没有转换器会提。

JavaScript 的数字类型，以及 Excel 自身的显示精度，都无法精确保存超过约 15 到 16 位有效数字的整数。像 9007199254740993123 这样的订单号，只要中途被当成数字处理，就会变成 9007199254740993000。不报错，文件也能正常打开，只是 ID 错了。

解决办法是把超长整数写成文本而不是数字：

只有 16 位及以上的整数会被这样处理，普通数字仍然保持数值类型，不影响你继续做计算。如果你曾经把一串长 ID 粘进表格、发现末尾变成了一堆 0，就是这个原因。

第五步：下载前先看预览

在任何转换流程里，最有价值的习惯就是下载之前先看一眼表格。具体看这几项：

1. 行数对不对？如果只有一行、外加一个巨大的单元格，说明根节点选错了（第一步）。
2. 你关心的列都在吗？还是某个字段只存在于部分记录里？
3. 数值列是右对齐的吗？如果是左对齐，说明它是以文本形式进来的。
4. 有没有两列表头撞名（比如两个 Name）？
5. 长 ID 是不是完整到最后一位？

能直接编辑预览的转换器——改表头、删掉不需要的列、修正某个单元格——可以省掉一次导出到 Excel 再回头改的往返。

想跳过这些步骤： 我们的免费 JSON 转 Excel 工具会在浏览器里完成上面全部五步。它自动识别数组根节点、展平嵌套对象、让你选择数组的导出方式、提供可编辑预览，并在本地生成 .xlsx——JSON 全程不会上传到服务器。

什么时候该改用 Excel Power Query

当这次转换不是一次性的时候，Power Query 才是对的工具。

适合用它的情况：

• 数据来自一个会变化的 URL，你希望点「刷新」而不是重新转换一遍。
• 这个工作簿是别人会反复打开的周期性报表。
• 你需要把 JSON 和工作簿里已有的其他表连接起来。

不适合的情况：你只想拿到一次文件。Power Query 要求你通过界面逐层手动展开嵌套，一条嵌套四层的记录意味着大量点击。

什么时候该改用 Python

当转换需要在你不参与的情况下反复执行时，就该写代码了。

import json
import pandas as pd

with open("response.json", encoding="utf-8") as f:
    payload = json.load(f)

# json_normalize 会把嵌套对象展平成点号命名的列
df = pd.json_normalize(payload["data"], sep=".")

df.to_excel("output.xlsx", index=False, sheet_name="Export")

pd.json_normalize 处理嵌套对象很称职。对象数组则需要一个明确的决定，和第三步是同一个问题：

# 一个订单一行，并把父级的标识字段带下来
orders = pd.json_normalize(
    payload["data"],
    record_path="orders",
    meta=["id", "name"],
)

with pd.ExcelWriter("output.xlsx") as writer:
    df.to_excel(writer, sheet_name="Customers", index=False)
    orders.to_excel(writer, sheet_name="Orders", index=False)

Python 这条路有两点要留意。to_excel 需要安装 openpyxl。另外 pandas 会把 19 位的 ID 读成浮点数并四舍五入，所以那些列要传 dtype=str，或者在写出前先转成字符串。

JSON 转 Excel 和 JSON 转 CSV 怎么选

两者相邻，但不相同。

给人看的选 .xlsx，给程序读的选 .csv。如果数据里有中文而受众用 Excel，.xlsx 能彻底绕开乱码问题——CSV 需要哪些额外处理，见 JSON 转 CSV 指南。

常见问题与成因

只有一行，一个超大单元格。 根节点指向了整个文档而不是数组。把根节点设为存放记录的那个字段。

部分记录缺列。 转换器是根据实际见到的字段来建列的。如果 500 条记录里只有 3 条有 email 字段，那一列会存在但大部分是空的——这是正确行为，而且它在告诉你数据本身的情况。

两列表头相同。 两个不同路径以同一段结尾。在映射面板里改掉一个。

长 ID 末尾变成 0。 整数超过 15 到 16 位后的精度丢失。改用会把它写成文本的转换器，或者在源 JSON 里就给它加引号。

数字求不了和。 它是以文本形式进来的。看对齐方式：文本默认左对齐，数字右对齐。

处理大文件时浏览器卡死。 浏览器端转换受内存限制，具体上限取决于设备和浏览器，没有一个通用的「安全文件大小」可以引用。拆分输入，或者改走 Python 那条路。

常见问题

怎么把 JSON 文件转成 Excel？

有三条实用路径。临时转一个文件，用在线转换器最快：粘贴 JSON 或上传文件，核对预览表格，下载 .xlsx。如果希望以后能从同一数据源刷新，用 Excel 自带的 Power Query。如果转换需要定时跑或嵌进数据管道，用 Python 加 pandas。对单次的 API 响应或数据导出来说，在线转换器几乎总是最短的路径。

在线转换 JSON 到 Excel 安全吗？

完全取决于工具。很多转换器会把文件上传到服务器处理，如果 JSON 里有客户数据、密钥或内部标识，这就是问题。纯浏览器端的转换器用 JavaScript 在本地完成解析和 .xlsx 生成，数据不离开你的电脑。粘贴敏感内容前先看清工具的说明，生产数据优先选本地处理。别只看宣传：真正本地处理的工具，在你断网之后依然能正常工作。

不装 Microsoft Excel 能生成 .xlsx 文件吗？

能。.xlsx 是一种公开的打包格式标准，转换器、脚本和各类库都可以在没有 Excel 的情况下写出合法的工作簿。生成的文件可以用 Excel、WPS Office、Google 表格、LibreOffice Calc 和 Numbers 打开。只有当你要用 Power Query 刷新、宏这类 Excel 专有功能时，才必须装 Excel 本身。

该把 JSON 转成 Excel 还是 CSV？

给人看的选 .xlsx，因为它能让数字保持数值、布尔保持布尔，还支持多工作表、冻结表头和筛选器。给程序读的选 .csv，因为它是纯文本，便于版本对比，几乎任何工具都能导入。如果数据里有中文而受众用 Excel，.xlsx 还能彻底绕开 CSV 常见的编码乱码问题。

为什么转换结果只有一行？

因为转换器对着整个 JSON 文档转换，而不是对着存放记录的那个数组，于是整份文档变成了一行，其中一个单元格塞着全部内容。把根节点设成存放记录的字段即可，通常是 data、items、results 或 rows。这是转换结果看起来坏掉最常见的原因。

JSON Lines（.jsonl）怎么转成 Excel？

JSON Lines 是一行一个 JSON 对象，并不是一份合法的完整 JSON 文档，所以大多数解析器会直接报错。在开头加一个左方括号、结尾加一个右方括号、记录之间加逗号，把它包成数组，就能像普通 JSON 一样转换。Python 里可以直接用 pd.read_json(path, lines=True) 读取。

小结

JSON 转 Excel 是一连串关于「形状」的决策：表格在哪、嵌套如何变成列、数组变成什么、哪些值需要防着表格软件本身。一旦知道每个决策的效果，核对一次转换结果大约只要三十秒。

单个文件用在线转换器并看预览；需要刷新的报表用 Power Query；需要定时执行的写那十行 pandas。

立即把 JSON 转成 Excel → —— 免费，全程在浏览器本地运行，不上传、免注册。