如何以最优方式将重复层级结构的Excel表格转换为JSON？

核心前提说明 #

首先得明确你的Excel表格实际排版逻辑：比如每个重复的层级块是按固定行数分组（比如一个mainheading占8行：1行mainheading、1行subheading、3行mandatory字段、2行optional字段），还是用列区分层级（比如列A存mainheading、列B存subheading、列C标记mandatory/optional、列D存字段名/属性）。下面给出两种最实用的方案：

方案一：Python + Pandas（最优，可复用/灵活） #

这是处理这类结构化转换的首选，尤其是需要重复执行或结构复杂的场景。

步骤1：安装依赖 #

pip install pandas openpyxl

（openpyxl用于读取.xlsx格式，.xls格式替换为xlrd）

步骤2：核心代码逻辑（以「固定行数分组的Excel」为例） #

假设每个循环块固定占8行，代码逻辑如下：

import pandas as pd
import json

# 读取Excel，跳过表头（如果有）
df = pd.read_excel("your_file.xlsx", header=None, skiprows=0)
# 定义每个循环块的行数（根据你的实际结构调整）
block_size = 8
result = []

# 按块遍历Excel内容
for i in range(0, len(df), block_size):
    block = df.iloc[i:i+block_size].values.flatten().tolist()
    # 清理空值（Excel里的空单元格）
    block = [x for x in block if pd.notna(x)]
    
    # 提取并清理层级字段
    main_heading = block[0].replace("mainheading: ", "").strip()
    sub_heading = block[1].replace("subheading: ", "").strip()
    field_name = block[3].replace("fieldname: ", "").strip()
    field_type = block[4].replace("type: ", "").strip()
    field_desc = block[5].replace("description: ", "").strip()
    field_func = block[6].replace("function: ", "").strip()
    optional_type = block[7].replace("type", "").strip()
    optional_desc = block[8].replace("description", "").strip()
    
    # 组装目标JSON结构
    item = {
        main_heading: {
            sub_heading: {
                "mandatory": {
                    field_name: {
                        "type": field_type,
                        "description": field_desc,
                        "function": field_func
                    }
                },
                "optional": {
                    "type": optional_type,
                    "description": optional_desc
                }
            }
        }
    }
    result.append(item)

# 导出为格式化的JSON文件
with open("output.json", "w", encoding="utf-8") as f:
    json.dump(result, f, indent=4, ensure_ascii=False)

调整说明 #

如果你的Excel是列区分层级（比如列A=mainheading，列B=subheading，列C=类别（mandatory/optional）），可以直接用df.groupby(["A", "B"])分组聚合，代码逻辑会更简洁，无需按行数切割。

方案二：Excel Power Query（无代码，适合非开发人员） #

如果只是临时转换，用Excel自带的Power Query足够：

1. 选中Excel数据区域，点击「数据」选项卡 → 「从表格/区域」
2. 在Power Query编辑器中，按层级分组：先按mainheading分组，再嵌套subheading分组
3. 对mandatory和optional部分分别提取属性，构建嵌套结构
4. 完成后点击「关闭并上载」，再通过「转换」→「到JSON」导出结果

关键注意事项 #

• 确保Excel里的层级标记（比如mainheading:）格式统一，否则字符串替换或分组会出错
• 先清理Excel里的不规则空行，避免干扰逻辑
• 复杂结构优先用Python方案，支持调试和批量处理

内容的提问来源于stack exchange，提问作者Kiran