JSON 轉 Excel 完整指南：線上工具、Power Query 與 Python 怎麼選

JSON 轉 Excel 為什麼沒那麼簡單

JSON 和 Excel 對「形狀」的理解不一樣。JSON 是一棵樹：物件裡套物件，陣列裡裝著還帶陣列的物件。而工作表是一個矩形：列、欄，一個儲存格放一個值。

所以每一次 JSON 轉 Excel，本質上都是一組決策，而不是一個機械步驟：

• 文件裡哪一部分才是表格？API 回應通常把真正的資料列包在 data 或 results 這類欄位裡。
• 巢狀物件怎麼辦？它必須變成額外的欄。
• 陣列怎麼辦？一個儲存格放不下三個值，總得捨棄點什麼。
• null 怎麼辦？超長整數怎麼辦？布林值呢？

把這些決策藏起來的工具能很快吐出一張表，也會安靜地把其中幾個決策做錯。這篇指南把每個決策對資料的實際影響攤開講清楚，讓你能核對結果，而不是只能相信結果。

三條實用路徑

下文先把線上這條路走細，再說明另外兩條什麼時候才是更好的答案。

第一步：找到 JSON 裡真正的表格

真實的 API 回應很少把資料列放在最上層，通常長這樣：

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

資料列在 data 裡。page 和 total 是關於這次回應的中繼資訊，不是表格的欄。

好的轉換器會自動辨識這一點：它會去找 data、items、records、rows、results、list 這些常見的包裹欄位名，取其中的陣列。如果你的 API 用了別的名字，或者陣列藏得更深，你可以自己填一個點號路徑來指定根節點，例如 response.payload.orders。

如果你讓工具對著整份文件而不是那個陣列轉換，結果就是一列，其中某個儲存格塞著整段 JSON。這是「轉換結果看起來壞掉了」最常見的原因。

第二步：看清巢狀怎麼變成欄

拿一筆同時包含巢狀物件、字串陣列和物件陣列的記錄：

{
  "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 }]
    }
  ]
}

用預設設定轉換，得到的表格是這樣：

這張表裡有三處值得細看。

巢狀物件變成了欄，標題取的是路徑最後一段。 來源路徑是 address.city，但欄標題是 City。這是刻意為之：把 address.city 當標題準確但難讀，而表格終究是給人看的。完整點號路徑會保留在對應面板裡，所以你隨時知道某一欄是從哪來的。

代價出現在兩個分支以同一個詞結尾的時候。如果記錄裡同時有 user.name 和 company.name，你會得到兩個都叫 Name 的欄。把檔案寄給別人之前，先在對應面板裡改掉其中一個。

null 變成了空儲存格。 不是文字 null，也不是數字 0。Alice 的 score 確實是缺失的，而空儲存格正是試算表表達「沒有」的方式。這一點很關鍵：=AVERAGE() 會略過空儲存格，但會把 0 老老實實算進平均值。

型別保住了。 91.5 在 .xlsx 裡是數值而不是字串 "91.5"。true 和 false 是布林值，所以 Excel 顯示成 TRUE／FALSE 並且可以直接篩選。那些把所有內容都寫成文字的轉換器，會逼你在匯入後把每一欄重新轉一遍型別。

第三步：決定陣列變成什麼

上面表格裡的 tags 和 orders 還是 JSON 文字——忠實，但在試算表裡沒什麼用。儲存格裡表示陣列有三種方式，選哪種取決於你打算拿這個檔案做什麼。

保留 JSON 文字（預設）。什麼都不丟。適合表格只是中間產物、後面還有程式會再解析這個儲存格的場景。

串接值。 ["pro","beta"] 變成 pro, beta，空陣列變成空儲存格。當陣列裡裝的是簡單標籤、並且這張表是給人看的，這是正確選擇。

計數。 ["pro","beta"] 變成 2，空陣列變成 0。當你在做報表、關心的是「有幾個」而不是「是哪些」時用它。因為結果是真正的數字，你可以立刻加總與排序。

注意最後一列：把物件陣列串接起來，會得到沒人願意讀的東西。當陣列裡裝的是物件而不是標籤時，這三種方式都不合適——你需要的是第二張工作表。這部分見 JSON 陣列轉 Excel 工作表。

第四步：當心超長數字

這一條會無聲無息地毀掉資料，而且幾乎沒有轉換器會提。

JavaScript 的數字型別，以及 Excel 本身的顯示精度，都無法精確保存超過約 15 到 16 位有效數字的整數。像 9007199254740993123 這樣的訂單編號，只要中途被當成數字處理，就會變成 9007199254740993000。不報錯，檔案也能正常開啟，只是編號錯了。

解決辦法是把超長整數寫成文字而不是數字：

只有 16 位及以上的整數會被這樣處理，一般數字仍然保持數值型別，不影響你繼續做計算。如果你曾經把一串長編號貼進試算表、發現末尾變成了一堆 0，就是這個原因。

第五步：下載前先看預覽

在任何轉換流程裡，最有價值的習慣就是下載之前先看一眼表格。具體看這幾項：

1. 列數對不對？如果只有一列、外加一個巨大的儲存格，說明根節點選錯了（第一步）。
2. 你關心的欄都在嗎？還是某個欄位只存在於部分記錄裡？
3. 數值欄是靠右對齊的嗎？如果是靠左對齊，說明它是以文字形式進來的。
4. 有沒有兩欄標題撞名（例如兩個 Name）？
5. 長編號是不是完整到最後一位？

能直接編輯預覽的轉換器——改標題、刪掉不需要的欄、修正某個儲存格——可以省掉一次匯出到 Excel 再回頭改的往返。

想跳過這些步驟： 我們的免費 JSON 轉 Excel 工具會在瀏覽器裡完成上面全部五步。它自動辨識陣列根節點、展平巢狀物件、讓你選擇陣列的匯出方式、提供可編輯預覽，並在本機產生 .xlsx——JSON 全程不會上傳到伺服器。

什麼時候該改用 Excel Power Query

當這次轉換不是一次性的時候，Power Query 才是對的工具。

適合用它的情況：

• 資料來自一個會變化的 URL，你希望按「重新整理」而不是重新轉換一遍。
• 這個活頁簿是別人會反覆開啟的週期性報表。
• 你需要把 JSON 和活頁簿裡已有的其他表格合併。

不適合的情況：你只想拿到一次檔案。Power Query 要求你透過介面逐層手動展開巢狀結構，一筆巢狀四層的記錄意味著大量點擊。

什麼時候該改用 Python

當轉換需要在你不參與的情況下反覆執行時，就該寫程式了。

import json
import pandas as pd

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

# json_normalize 會把巢狀物件展平成點號命名的欄
df = pd.json_normalize(payload["data"], sep=".")

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

pd.json_normalize 處理巢狀物件很稱職。物件陣列則需要一個明確的決定，和第三步是同一個問題：

# 一筆訂單一列，並把父層的識別欄位帶下來
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 這條路有兩點要留意。to_excel 需要安裝 openpyxl。另外 pandas 會把 19 位的編號讀成浮點數並四捨五入，所以那些欄要傳 dtype=str，或者在寫出前先轉成字串。

JSON 轉 Excel 和 JSON 轉 CSV 怎麼選

兩者相鄰，但不相同。

給人看的選 .xlsx，給程式讀的選 .csv。如果資料裡有中文而讀者用 Excel，.xlsx 能徹底繞開亂碼問題——CSV 需要哪些額外處理，見 JSON 轉 CSV 指南。

常見問題與成因

只有一列，一個超大儲存格。 根節點指向了整份文件而不是陣列。把根節點設為存放記錄的那個欄位。

部分記錄缺欄。 轉換器是根據實際見到的欄位來建欄的。如果 500 筆記錄裡只有 3 筆有 email 欄位，那一欄會存在但大部分是空的——這是正確行為，而且它在告訴你資料本身的情況。

兩欄標題相同。 兩個不同路徑以同一段結尾。在對應面板裡改掉一個。

長編號末尾變成 0。 整數超過 15 到 16 位後的精度遺失。改用會把它寫成文字的轉換器，或者在來源 JSON 裡就給它加引號。

數字加不了總。 它是以文字形式進來的。看對齊方式：文字預設靠左，數字靠右。

處理大檔案時瀏覽器當掉。 瀏覽器端轉換受記憶體限制，具體上限取決於裝置和瀏覽器，沒有一個通用的「安全檔案大小」可以引用。拆分輸入，或者改走 Python 那條路。

常見問題

怎麼把 JSON 檔案轉成 Excel？

有三條實用路徑。臨時轉一個檔案，用線上轉換器最快：貼上 JSON 或上傳檔案，核對預覽表格，下載 .xlsx。如果希望以後能從同一資料來源重新整理，用 Excel 內建的 Power Query。如果轉換需要定時執行或嵌進資料管線，用 Python 加 pandas。對單次的 API 回應或資料匯出來說，線上轉換器幾乎總是最短的路徑。

線上轉換 JSON 到 Excel 安全嗎？

完全取決於工具。很多轉換器會把檔案上傳到伺服器處理，如果 JSON 裡有客戶資料、金鑰或內部識別碼，這就是問題。純瀏覽器端的轉換器用 JavaScript 在本機完成解析和 .xlsx 產生，資料不離開你的電腦。貼上敏感內容前先看清工具的說明，正式資料優先選本機處理。別只看宣傳：真正本機處理的工具，在你斷網之後依然能正常運作。

不裝 Microsoft Excel 能產生 .xlsx 檔案嗎？

能。.xlsx 是一種公開的封裝格式標準，轉換器、指令碼和各類函式庫都可以在沒有 Excel 的情況下寫出合法的活頁簿。產生的檔案可以用 Excel、WPS Office、Google 試算表、LibreOffice Calc 和 Numbers 開啟。只有當你要用 Power Query 重新整理、巨集這類 Excel 專有功能時，才必須裝 Excel 本身。

該把 JSON 轉成 Excel 還是 CSV？

給人看的選 .xlsx，因為它能讓數字保持數值、布林保持布林，還支援多個工作表、凍結標題和篩選器。給程式讀的選 .csv，因為它是純文字，便於版本比對，幾乎任何工具都能匯入。如果資料裡有中文而讀者用 Excel，.xlsx 還能徹底繞開 CSV 常見的編碼亂碼問題。

為什麼轉換結果只有一列？

因為轉換器對著整份 JSON 文件轉換，而不是對著存放記錄的那個陣列，於是整份文件變成了一列，其中一個儲存格塞著全部內容。把根節點設成存放記錄的欄位即可，通常是 data、items、results 或 rows。這是轉換結果看起來壞掉最常見的原因。

JSON Lines（.jsonl）怎麼轉成 Excel？

JSON Lines 是一行一個 JSON 物件，並不是一份合法的完整 JSON 文件，所以大多數解析器會直接報錯。在開頭加一個左方括號、結尾加一個右方括號、記錄之間加逗號，把它包成陣列，就能像普通 JSON 一樣轉換。Python 裡可以直接用 pd.read_json(path, lines=True) 讀取。

小結

JSON 轉 Excel 是一連串關於「形狀」的決策：表格在哪、巢狀如何變成欄、陣列變成什麼、哪些值需要防著試算表軟體本身。一旦知道每個決策的效果，核對一次轉換結果大約只要三十秒。

單個檔案用線上轉換器並看預覽；需要重新整理的報表用 Power Query；需要定時執行的寫那十行 pandas。

立即把 JSON 轉成 Excel → —— 免費，全程在瀏覽器本機執行，不上傳、免註冊。