将伪装为.EXCEL格式的HTML文件转换为XML的技术求助

这种后缀标错的文件真的很闹心——看着是Excel，打开才发现是套着HTML皮的表格。不过转成XML其实没那么复杂，我给你两种实用方案，按需选：

方案一：用Python脚本自定义转换（最灵活，适合批量/定制需求） #

如果需要批量处理，或者想自定义XML的结构，用脚本是最优解，步骤如下：

1. 先装依赖库：需要beautifulsoup4解析HTML，lxml生成XML，终端里跑命令：

pip install beautifulsoup4 lxml

2. 编写转换脚本：针对你给出的示例表格，我写了个基础版脚本，你可以按需调整XML结构：

from bs4 import BeautifulSoup
from lxml import etree

# 读取你的伪Excel文件（本质是HTML）
with open("fake_excel_file.EXCEL", "r", encoding="utf-8") as f:
    html_content = f.read()

# 解析HTML里的目标表格
soup = BeautifulSoup(html_content, "html.parser")
target_table = soup.find("table", class_="c41")

# 创建XML根节点
root = etree.Element("cash_activity_report")

# 遍历HTML表格的行和单元格，生成XML节点
for row in target_table.find_all("tr"):
    row_node = etree.SubElement(root, "row")
    for cell in row.find_all("td"):
        # 提取单元格纯文本，清理多余空格和换行
        cell_text = cell.get_text(strip=True)
        if cell_text:
            cell_node = etree.SubElement(row_node, "cell")
            cell_node.text = cell_text

# 生成并保存XML文件
tree = etree.ElementTree(root)
tree.write("converted_output.xml", encoding="utf-8", pretty_print=True, xml_declaration=True)

要是你需要给XML节点加属性（比如对应HTML的class），或者自定义节点名称（比如把<cell>改成<activity_label>），直接修改脚本里的节点创建逻辑就行。

方案二：在线/本地工具快速转换（适合单次处理） #

如果不想写代码，找个靠谱的HTML表格转XML工具就行，操作很简单：

• 用文本编辑器（比如Notepad++）打开你的伪Excel文件，复制里面的<table>标签及全部内容；
• 找个本地或在线的HTML表格转XML工具（注意别上传敏感数据！），粘贴内容后点击转换，就能拿到XML输出。

小提示 #

• 如果HTML里有复杂嵌套标签（比如<p>、<span>），脚本里的get_text()会自动提取纯文本；要是需要保留标签结构，得调整解析逻辑，比如直接提取单元格内的HTML再转成XML节点。
• 要是打开文件时出现编码错误，试试把encoding="utf-8"换成encoding="ISO-8859-1"或者其他编码格式。

内容的提问来源于stack exchange，提问作者jDave1984