ExcelをXMLに変換

表をツリーとして記述する

各シートは、1行ごとに繰り返される要素になり、その中に見出し行から名前を取った列ごとの子要素が入ります。これにより、スプレッドシートではなくデータXMLを想定したどんなシステムでも読める結果になります。その過程で列名は有効な要素名にする必要がありますが、XMLのルールはスプレッドシートの見出しより厳格です。名前を数字で始めることはできず、スペースやほとんどの記号も使えず、大文字と小文字も区別されます。そのため「Order Total (£)」はもっと簡潔な名前に変わり、記号の違いだけで区別されていた2つの見出しは、別の方法で見分ける必要が出てくることがあります。

引き継がれるのは見た目ではなく値です。£1,234.50と表示されているセルは、ブック内では書式を適用した数値1234.5として保存されており、XMLに入るのはその数値のほうです。受け取るシステムが必要とするのは通貨記号ではなく値なので、ほとんどの場合これが正解です。数式も同様に失われます。XMLには数式そのものを保持する場所がないため、得られるのは数式の計算結果です。色、フォント、罫線、条件付き書式、グラフ、画像は、ここではまったく表現されません。

確認すべきは日付です。 スプレッドシートは日付を基準日からの日数として保存し、書式を通して表示するため、セルの設定によっては日付ではなく45356のような数値として出てくることがあります。XMLを読む側で日付が重要なら、ファイルを使う前に確認してください。事前にブック上で日付をテキストとして書式設定しておけば、あいまいさを完全になくせます。

XMLが予約している5つの文字（アンパサンド、山かっこ、引用符）は値の中でエスケープされるため、これらを含むテキストもそのまま残ります。空のセルは省略されず空の要素になります。すべてのレコードが同じ形になるので、欠けたフィールドがただ消えてしまう出力よりはるかに処理しやすくなります。パスワードで保護されたブックは、先にパスワードを解除する必要があります。

ほかの目的には

業界標準の形式、行政への提出書類、システムのインポート形式など、XMLを特定のスキーマに合わせる必要がある場合、汎用的な変換ではその形にならず、ここでどう設定しても同じです。それはマッピングの作業です。XSLTでこの出力を必要な形に変換し、提出前にxmllint --schemaで結果を検証してください。

繰り返し行う作業ならスクリプト化しましょう。Pythonのopenpyxlやpandasならブックを読み込んで好きなXMLを書き出せ、重要な部分である日付や数値の表現方法も制御できます。また、本当にXMLが必要なのかも確認する価値があります。この10年に作られたシステムの多くはJSONやCSVを好み、XMLはたいてい古いシステムから引き継がれた要件です。