JSON 转 Excel：四种办法与它们各自的失真点

结论：嵌套结构、字段不一致、数组套数组，是 JSON 转表格最容易翻车的三处。四种办法按「几分钟出结果」排序，每个都标清楚会丢什么。

入门约 11 分钟发布于 2026-10-30更新于 2026-10-30

结论：扁平对象数组与对象包数组直接用在线工具最快，需要每周刷新就上 Power Query，字段多要清洗用 Python + pandas，要接进流水线再写 Node 脚本；动手前一旦发现嵌套或键不一致，先定清楚「一行代表什么」。

转换本身不难，难的是「转完之后发现数字变成文本、多层嵌套只剩一层」。选方法之前先看清数据结构，能省掉一次返工。

一、先判断你的 JSON 属于哪一类

打开文件看最外层：

结构	样子	转换难度
扁平对象数组	`[{"a":1,"b":2},{...}]`	最容易，一行一条记录
对象包数组	`{"data":[{...}],"total":100}`	容易，取 `data` 那一层
嵌套对象	`{"user":{"name":"x"}}`	中等，要决定展开还是拼字符串
数组套数组	`{"tags":["a","b"]}`	麻烦，一行装不下，得拆表
键不一致	每条记录的字段不同	麻烦，列会大面积空值

前两类直接转，成功率接近 100%；后三类先想清楚「一行代表什么」，否则转出来的表没法用。

二、方法一：在线工具（1 分钟）

打开 JSON 转表格，粘贴数据 → 选分隔符与表头 → 导出 CSV → Excel 打开。适合几十行到几千行、结构规整的数据。

三个必须注意的点：

导出的是 CSV，不是 xlsx。Excel 打开 CSV 时默认按系统编码猜，中文可能乱码。用「数据 → 从文本/CSV」并显式选 UTF-8 更稳。
以 0 开头的编号会掉零。"007" 在 CSV 里是文本，Excel 会自动转成数字 7。导入时把该列设为文本，或者在 JSON 里给它加个前缀。
长数字会变科学计数法。身份证号、订单号超过 15 位就会精度丢失，这类字段在 JSON 里本来就该是字符串，导入后也要保持文本格式。

三、方法二：Excel 自带 Power Query（可复用）

数据每周都要更新时，用 Excel 内置的 Power Query，配置一次以后点「刷新」就行：

「数据」→「获取数据」→「自文件」→「自 JSON」；
选中文件后进入 Power Query 编辑器，看到的是 List / Record 结构；
点列标题右侧的展开图标，逐层展开嵌套字段；
确认列名与类型后，「关闭并上载」。

好处是嵌套能一层层展开成多列，而且类型可以手动指定；代价是第一次配置需要理解 List 和 Record 的区别——List 是数组，Record 是对象，展开方向不一样。

四、方法三：Python + pandas（字段多、要清洗时）

复制import pandas as pd

# 对象包数组：先取到列表那一层
rows = pd.read_json('data.json')['data']

# 嵌套字段展开成多列
frame = pd.json_normalize(rows, sep='_')

frame.to_excel('out.xlsx', index=False)

json_normalize 的关键参数是 sep，它决定嵌套字段展开后的列名风格，user_name 比 user.name 在 Excel 里更好用。数组套数组（比如 tags）需要额外一步 explode：

复制frame = frame.explode('tags')

这一步会把一行拆成多行，是唯一能保留「一对多」关系的做法，代价是其余字段重复。

五、方法四：Node 脚本（要接进流水线时）

复制import { readFileSync, writeFileSync } from 'node:fs';

const rows = JSON.parse(readFileSync('data.json', 'utf8'));
const headers = [...new Set(rows.flatMap((row) => Object.keys(row)))];
const escapeCell = (value) => `"${String(value ?? '').replaceAll('"', '""')}"`;
const lines = [
  headers.join(','),
  ...rows.map((row) => headers.map((key) => escapeCell(row[key])).join(',')),
];

writeFileSync('out.csv', '\uFEFF' + lines.join('\n'), 'utf8');

两个细节别省：开头写 \uFEFF（BOM）让 Excel 认 UTF-8；单元格里的双引号要成对转义成 ""，否则列会错位。

六、转换一定会丢的三样东西

丢失项	表现	补救
类型信息	数字、布尔都变成文本或 `TRUE/FALSE`	导入后手动设列类型，或用 Power Query 指定
嵌套层级	深层字段被压成 `[object Object]`	用 `json_normalize` 或逐层展开，别直接 `String(obj)`
一对多关系	数组被塞进一个单元格	`explode` 拆行，或单独建一张关联表

另外，null 与「字段不存在」在表里看起来一样（都是空单元格），但业务含义不同。需要区分时，在 JSON 里把 null 显式转成字符串 "null"，或者加一列 _has_field 标记。

七、回头验证：别只看第一行

转完至少抽查三处：

记录条数：CSV 行数应等于数组长度 + 1（表头），少一条通常是末尾换行被吞；
空值率最高的列：空得多说明键名不一致，回去看原始 JSON 是不是有两种写法（userId 与 user_id）；
最长的那一行：嵌套数组通常在这里，确认没有被截断。

需要反向操作（Excel/CSV 转回 JSON）时，用 CSV 转 JSON，注意表头会被当作键名，改表头等于改字段名。

常见问题

在线工具、Power Query 和 pandas 该如何取舍？

在线工具适合几十行到几千行、结构规整、只转一次的数据，粘贴后选分隔符与表头即可导出 CSV。Power Query 配置一次后点刷新就行，适合每周都要更新的数据。字段多、需要清洗时用 Python + pandas 的 json_normalize，要接进流水线再写 Node 脚本。

为什么转成 CSV 后中文会乱码？

在线工具导出的是 CSV 而不是 xlsx，Excel 打开 CSV 时会按系统编码猜，UTF-8 无 BOM 的中文就会乱码。导出时在开头写 \uFEFF（BOM），或在 Excel 里用「数据 → 从文本/CSV」并显式选择 UTF-8。

能否保留原始 JSON 的嵌套层级？

可以，但要逐层展开而不是转成字符串：Power Query 能点列标题的展开图标一层层展开成多列，pandas 用 json_normalize 配合 sep 把嵌套字段拆成列。深层字段直接 String(obj) 只会得到 [object Object]，数组套数组还要额外做一步 explode。