Convertir Excel a XML

Una cuadrícula descrita como un árbol

Cada hoja se convierte en un elemento que se repite por fila, con un elemento hijo por columna nombrado a partir de la fila de encabezado, y eso es lo que permite que el resultado lo lea cualquier cosa que espere XML de datos y no una hoja de cálculo. Por el camino, los nombres de columna tienen que convertirse en nombres de elemento válidos, y XML es más estricto que un encabezado de hoja de cálculo: un nombre no puede empezar por un dígito, no puede contener espacios ni la mayoría de los signos de puntuación y distingue mayúsculas de minúsculas. Así que “Order Total (£)” se convierte en algo más ordenado, y dos encabezados que solo se diferencian en la puntuación pueden acabar necesitando distinguirse.

Lo que viaja son valores, no apariencia. Una celda que muestra £1,234.50 está guardada en el libro como el número 1234.5 con un formato aplicado, y es el número lo que va al XML, lo cual casi siempre es correcto, porque un sistema que lo consume quiere el valor y no el símbolo de moneda. Las fórmulas desaparecen de la misma manera: obtienes lo que la fórmula produjo, porque XML no tiene dónde guardar la fórmula en sí. Los colores, las fuentes, los bordes, el formato condicional, los gráficos y las imágenes no tienen ninguna representación aquí.

Las fechas son lo que hay que revisar. Una hoja de cálculo guarda una fecha como un número de días desde una fecha de referencia y la muestra a través de un formato, así que una fecha puede salir como 45356 en lugar de como fecha, según cómo se configuró la celda. Si las fechas importan para lo que vaya a leer el XML, revísalas antes de confiar en el archivo, y considera darles formato de texto en el libro primero, lo que elimina la ambigüedad por completo.

Los cinco caracteres que XML reserva (el ampersand, los signos de menor y mayor y las comillas) se escapan en los valores, así que el texto que los contiene llega intacto. Las celdas vacías producen elementos vacíos en lugar de omitirse, lo que mantiene todos los registros con la misma forma y hace que el resultado sea mucho más fácil de procesar que uno en el que los campos que faltan simplemente desaparecen. A los libros protegidos con contraseña hay que quitarles la contraseña primero.

Si buscas otra cosa

Cuando el XML tiene que ajustarse a un esquema específico (un formato del sector, una declaración ante el gobierno, el formato de importación de un sistema), una conversión genérica no lo va a producir, y ninguna configuración de aquí lo logrará tampoco. Eso es un trabajo de mapeo: XSLT transforma este resultado en la forma requerida, y xmllint --schema confirma el resultado antes de enviarlo.

Para cualquier cosa que se repita, usa un script. openpyxl y pandas de Python leen un libro y escriben el XML que especifiques, con control sobre cómo se representan las fechas y los números, que es lo que importa. Y vale la pena preguntarse si XML es realmente el destino: la mayoría de los sistemas construidos en esta década prefieren JSON o CSV, y XML suele ser un requisito heredado de algo más antiguo.