# Конвертация JSON в Excel: Полное руководство

Конвертация JSON данных в Excel — распространенная задача при анализе данных, отчетности и обмене информацией с нетехническими пользователями. В этом руководстве мы рассмотрим все способы конвертации JSON в Excel.

Почему конвертировать JSON в Excel?

Преимущества Excel

Знакомый интерфейс — большинство пользователей знают Excel
Анализ данных — сортировка, фильтрация, сводные таблицы
Визуализация — графики и диаграммы
Формулы — сложные вычисления
Совместная работа — легко делиться файлами

Типичные сценарии

Экспорт данных из API
Отчеты для менеджмента
Анализ логов
Миграция данных
Обработка результатов исследований

Онлайн-инструменты

1. ConvertCSV.com

Возможности:

JSON to Excel (XLSX)
JSON to CSV
Простой интерфейс
Бесплатный

Использование:

Открыть convertcsv.com/json-to-excel

Вставить JSON

Нажать "Convert"

Скачать XLSX файл

Пример:

Входной JSON:

[
  {"имя": "Иван", "возраст": 30, "город": "Москва"},
  {"имя": "Мария", "возраст": 25, "город": "СПб"}
]

Результат в Excel:

| имя   | возраст | город  |
|-------|---------|--------|
| Иван  | 30      | Москва |
| Мария | 25      | СПб    |

2. JSON-CSV.com

Особенности:

Настройка колонок
Обработка вложенных объектов
Выбор разделителя
Preview данных

3. BeautifyTools JSON to Excel

Функции:

Загрузка файлов до 50MB
Автоматическое определение структуры
Скачивание в разных форматах

Python библиотеки

pandas (Рекомендуется)

Установка:

pip install pandas openpyxl

Простая конвертация:

import pandas as pd
import json

# Загрузка JSON
with open('data.json', 'r', encoding='utf-8') as f:
    данные = json.load(f)

# Конвертация в DataFrame
df = pd.DataFrame(данные)

# Сохранение в Excel
df.to_excel('output.xlsx', index=False, sheet_name='Данные')

print("Конвертация завершена!")

С форматированием:

import pandas as pd

# Чтение JSON
df = pd.read_json('data.json')

# Создание Excel writer
with pd.ExcelWriter('formatted_output.xlsx', engine='openpyxl') as writer:
    df.to_excel(writer, sheet_name='Лист1', index=False)

    # Получить workbook и worksheet
    workbook = writer.book
    worksheet = writer.sheets['Лист1']

    # Автоширина колонок
    for column in worksheet.columns:
        max_length = 0
        column_letter = column[0].column_letter

        for cell in column:
            try:
                if len(str(cell.value)) > max_length:
                    max_length = len(cell.value)
            except:
                pass

        adjusted_width = (max_length + 2) * 1.2
        worksheet.column_dimensions[column_letter].width = adjusted_width

print("Excel файл создан с форматированием")

openpyxl (Прямая работа с Excel)

Базовый пример:

import json
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill

def json_to_excel(json_file, excel_file):
    # Загрузка JSON
    with open(json_file, 'r', encoding='utf-8') as f:
        данные = json.load(f)

    # Создание workbook
    wb = Workbook()
    ws = wb.active
    ws.title = "Данные"

    # Если данные - это список объектов
    if isinstance(данные, list) and len(данные) > 0:
        # Заголовки
        заголовки = list(данные[0].keys())
        ws.append(заголовки)

        # Форматирование заголовков
        for cell in ws[1]:
            cell.font = Font(bold=True, color="FFFFFF")
            cell.fill = PatternFill(start_color="4472C4", 
                                   end_color="4472C4", 
                                   fill_type="solid")

        # Данные
        for запись in данные:
            ws.append([запись.get(ключ, '') for ключ in заголовки])

    # Сохранение
    wb.save(excel_file)
    print(f"Файл сохранен: {excel_file}")

# Использование
json_to_excel('data.json', 'output.xlsx')

xlsxwriter (Продвинутое форматирование)

import json
import xlsxwriter

def json_to_excel_advanced(json_file, excel_file):
    # Загрузка JSON
    with open(json_file, 'r', encoding='utf-8') as f:
        данные = json.load(f)

    # Создание workbook
    workbook = xlsxwriter.Workbook(excel_file)
    worksheet = workbook.add_worksheet('Данные')

    # Форматы
    header_format = workbook.add_format({
        'bold': True,
        'bg_color': '#4472C4',
        'font_color': 'white',
        'border': 1
    })

    cell_format = workbook.add_format({
        'border': 1
    })

    # Заголовки
    заголовки = list(данные[0].keys())
    for col, заголовок in enumerate(заголовки):
        worksheet.write(0, col, заголовок, header_format)

    # Данные
    for row, запись in enumerate(данные, start=1):
        for col, ключ in enumerate(заголовки):
            значение = запись.get(ключ, '')
            worksheet.write(row, col, значение, cell_format)

    # Автофильтр
    worksheet.autofilter(0, 0, len(данные), len(заголовки) - 1)

    # Закрепить заголовки
    worksheet.freeze_panes(1, 0)

    workbook.close()
    print(f"Excel файл создан: {excel_file}")

# Использование
json_to_excel_advanced('data.json', 'formatted.xlsx')

JavaScript/Node.js

xlsx библиотека

Установка:

npm install xlsx

Базовая конвертация:

const XLSX = require('xlsx');
const fs = require('fs');

function jsonToExcel(jsonFile, excelFile) {
  // Чтение JSON
  const данные = JSON.parse(fs.readFileSync(jsonFile, 'utf8'));

  // Создание workbook
  const workbook = XLSX.utils.book_new();

  // Конвертация JSON в worksheet
  const worksheet = XLSX.utils.json_to_sheet(данные);

  // Добавление worksheet в workbook
  XLSX.utils.book_append_sheet(workbook, worksheet, 'Данные');

  // Сохранение файла
  XLSX.writeFile(workbook, excelFile);

  console.log(Файл сохранен: ${excelFile});
}

// Использование
jsonToExcel('data.json', 'output.xlsx');

С несколькими листами:

const XLSX = require('xlsx');
const fs = require('fs');

function jsonToExcelMultiSheet(данные, excelFile) {
  const workbook = XLSX.utils.book_new();

  // Создание нескольких листов
  for (const [название, данныеЛиста] of Object.entries(данные)) {
    const worksheet = XLSX.utils.json_to_sheet(данныеЛиста);
    XLSX.utils.book_append_sheet(workbook, worksheet, название);
  }

  XLSX.writeFile(workbook, excelFile);
  console.log(Создано ${Object.keys(данные).length} листов);
}

// Использование
const данные = {
  'Пользователи': [
    {имя: 'Иван', возраст: 30},
    {имя: 'Мария', возраст: 25}
  ],
  'Продукты': [
    {название: 'Товар A', цена: 1000},
    {название: 'Товар B', цена: 1500}
  ]
};

jsonToExcelMultiSheet(данные, 'multi_sheet.xlsx');

Обработка вложенных JSON

Плоская структура

Исходный JSON:

[
  {
    "имя": "Иван",
    "контакты": {
      "email": "ivan@example.com",
      "телефон": "+7-900-123-45-67"
    },
    "адрес": {
      "город": "Москва",
      "улица": "Тверская"
    }
  }
]

Python: Flatten функция:

import pandas as pd
from pandas import json_normalize

# Чтение и нормализация
with open('nested.json', 'r', encoding='utf-8') as f:
    данные = json.load(f)

# Flatten вложенных объектов
df = json_normalize(данные)

# Сохранение в Excel
df.to_excel('flattened.xlsx', index=False)

Результат в Excel:

| имя  | контакты.email     | контакты.телефон    | адрес.город | адрес.улица |
|------|-------------------|---------------------|-------------|-------------|
| Иван | ivan@example.com  | +7-900-123-45-67    | Москва      | Тверская    |

Кастомная flatten функция

def flatten_json(nested_json, separator='_'):
    """Рекурсивно делает JSON плоским"""
    out = {}

    def flatten(x, name=''):
        if type(x) is dict:
            for a in x:
                flatten(x[a], name + a + separator)
        elif type(x) is list:
            for i, a in enumerate(x):
                flatten(a, name + str(i) + separator)
        else:
            out[name[:-1]] = x

    flatten(nested_json)
    return out

# Использование
данные = [
    {
        "пользователь": {
            "имя": "Иван",
            "возраст": 30
        },
        "навыки": ["Python", "JavaScript"]
    }
]

плоские = [flatten_json(запись) for запись in данные]

# Конвертация в Excel
df = pd.DataFrame(плоские)
df.to_excel('flat_output.xlsx', index=False)

Обработка массивов

JSON с массивами

[
  {
    "имя": "Иван",
    "навыки": ["Python", "JavaScript", "Go"]
  },
  {
    "имя": "Мария",
    "навыки": ["Java", "C++"]
  }
]

Опция 1: Объединить в строку:

import pandas as pd
import json

with open('data.json', 'r', encoding='utf-8') as f:
    данные = json.load(f)

# Объединить массивы в строки
for запись in данных:
    if 'навыки' in запись:
        запись['навыки'] = ', '.join(запись['навыки'])

df = pd.DataFrame(данные)
df.to_excel('arrays_as_strings.xlsx', index=False)

Опция 2: Отдельные строки:

def развернуть_массивы(данные):
    """Создать отдельную строку для каждого элемента массива"""
    результат = []

    for запись in данные:
        if 'навыки' in запись and isinstance(запись['навыки'], list):
            for навык in запись['навыки']:
                новая_запись = запись.copy()
                новая_запись['навыки'] = навык
                результат.append(новая_запись)
        else:
            результат.append(запись)

    return результат

развернутые = развернуть_массивы(данные)
df = pd.DataFrame(развернутые)
df.to_excel('arrays_expanded.xlsx', index=False)

Работа с большими JSON файлами

Chunked обработка

import pandas as pd
import json

def большой_json_в_excel(json_file, excel_file, chunk_size=1000):
    """Обработка большого JSON файла частями"""

    with open(json_file, 'r', encoding='utf-8') as f:
        данные = json.load(f)

    # Обработка частями
    with pd.ExcelWriter(excel_file, engine='openpyxl') as writer:
        for i in range(0, len(данные), chunk_size):
            chunk = данные[i:i + chunk_size]
            df = pd.DataFrame(chunk)

            # Добавить на один лист
            if i == 0:
                df.to_excel(writer, sheet_name='Данные', 
                           index=False, startrow=0)
            else:
                df.to_excel(writer, sheet_name='Данные', 
                           index=False, startrow=i, header=False)

    print(f"Обработано {len(данные)} записей")

большой_json_в_excel('large_data.json', 'output.xlsx')

Streaming с ijson

import ijson
import pandas as pd

def stream_json_to_excel(json_file, excel_file):
    """Streaming обработка для очень больших файлов"""

    chunk = []
    chunk_size = 1000
    all_chunks = []

    with open(json_file, 'rb') as f:
        parser = ijson.items(f, 'item')

        for item in parser:
            chunk.append(item)

            if len(chunk) >= chunk_size:
                all_chunks.append(pd.DataFrame(chunk))
                chunk = []

        # Последний chunk
        if chunk:
            all_chunks.append(pd.DataFrame(chunk))

    # Объединить и сохранить
    df_final = pd.concat(all_chunks, ignore_index=True)
    df_final.to_excel(excel_file, index=False)

    print(f"Создан Excel с {len(df_final)} строками")

stream_json_to_excel('very_large.json', 'output.xlsx')

Форматирование и стилизация

Условное форматирование

import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import PatternFill

# Создать Excel
df = pd.DataFrame([
    {'имя': 'Иван', 'баланс': 15000},
    {'имя': 'Мария', 'баланс': -5000},
    {'имя': 'Петр', 'баланс': 30000}
])

excel_file = 'styled.xlsx'
df.to_excel(excel_file, index=False)

# Применить условное форматирование
wb = load_workbook(excel_file)
ws = wb.active

# Красный для отрицательных балансов
red_fill = PatternFill(start_color="FFC7CE", end_color="FFC7CE", fill_type="solid")
green_fill = PatternFill(start_color="C6EFCE", end_color="C6EFCE", fill_type="solid")

for row in ws.iter_rows(min_row=2, max_row=ws.max_row, min_col=2, max_col=2):
    for cell in row:
        if cell.value < 0:
            cell.fill = red_fill
        else:
            cell.fill = green_fill

wb.save(excel_file)
print("Применено условное форматирование")

Графики и диаграммы

import pandas as pd
from openpyxl import load_workbook
from openpyxl.chart import BarChart, Reference

# Создать данные
df = pd.DataFrame([
    {'месяц': 'Январь', 'продажи': 10000},
    {'месяц': 'Февраль', 'продажи': 12000},
    {'месяц': 'Март', 'продажи': 15000}
])

excel_file = 'with_chart.xlsx'
df.to_excel(excel_file, index=False)

# Добавить график
wb = load_workbook(excel_file)
ws = wb.active

chart = BarChart()
chart.title = "Продажи по месяцам"
chart.x_axis.title = "Месяц"
chart.y_axis.title = "Продажи"

data = Reference(ws, min_col=2, min_row=1, max_row=4)
cats = Reference(ws, min_col=1, min_row=2, max_row=4)

chart.add_data(data, titles_from_data=True)
chart.set_categories(cats)

ws.add_chart(chart, "D2")

wb.save(excel_file)
print("График добавлен в Excel")

Командная строка

Скрипт для быстрой конвертации

convert_json.py:

#!/usr/bin/env python3
import sys
import json
import pandas as pd

def main():
    if len(sys.argv) < 3:
        print("Использование: python convert_json.py input.json output.xlsx")
        sys.exit(1)

    input_file = sys.argv[1]
    output_file = sys.argv[2]

    try:
        with open(input_file, 'r', encoding='utf-8') as f:
            данные = json.load(f)

        df = pd.DataFrame(данные)
        df.to_excel(output_file, index=False)

        print(f"✓ Конвертация завершена: {output_file}")
        print(f"  Строк: {len(df)}")
        print(f"  Колонок: {len(df.columns)}")

    except Exception as e:
        print(f"✗ Ошибка: {e}")
        sys.exit(1)

if __name__ == '__main__':
    main()

Использование:

python convert_json.py data.json output.xlsx

Лучшие практики

1. Валидация данных

def валидировать_перед_конвертацией(данные):
    """Проверка данных перед конвертацией"""
    if not isinstance(данные, list):
        raise ValueError("JSON должен быть массивом объектов")

    if len(данные) == 0:
        raise ValueError("JSON массив пуст")

    # Проверка согласованности ключей
    первые_ключи = set(данные[0].keys())
    for запись in данные[1:]:
        if set(запись.keys()) != первые_ключи:
            print("Предупреждение: Несогласованные ключи в записях")
            break

    return True

валидировать_перед_конвертацией(данные)

2. Обработка ошибок

def безопасная_конвертация(json_file, excel_file):
    """Конвертация с обработкой ошибок"""
    try:
        with open(json_file, 'r', encoding='utf-8') as f:
            данные = json.load(f)

        валидировать_перед_конвертацией(данные)

        df = pd.DataFrame(данные)
        df.to_excel(excel_file, index=False)

        return True, f"Успешно: {excel_file}"

    except FileNotFoundError:
        return False, f"Файл не найден: {json_file}"
    except json.JSONDecodeError as e:
        return False, f"Ошибка парсинга JSON: {e}"
    except Exception as e:
        return False, f"Ошибка конвертации: {e}"

success, message = безопасная_конвертация('data.json', 'output.xlsx')
print(message)

3. Оптимизация производительности

# Для больших файлов используйте:
# - Chunked обработку
# - engine='xlsxwriter' (быстрее)
# - Минимальное форматирование

df.to_excel(
    'output.xlsx',
    index=False,
    engine='xlsxwriter',  # Быстрее чем openpyxl
    # freeze_panes=(1, 0)  # Закрепить заголовки
)

Заключение

Конвертация JSON в Excel — распространенная задача с множеством решений. Выбор инструмента зависит от ваших потребностей:

Для быстрой конвертации:

Онлайн-инструменты (ConvertCSV, JSON-CSV)

Для автоматизации:

Python с pandas (рекомендуется)
Node.js с xlsx

Для сложного форматирования:

openpyxl (Python)
xlsxwriter (Python)

Для больших файлов:

Chunked обработка
Streaming с ijson

С этим руководством вы готовы эффективно конвертировать JSON данные в Excel для любых задач!

Конвертация JSON в Excel: Полное руководство и инструменты

Big JSON Team