将Excel转换为XML

用树来描述表格

每个工作表中的每一行都会成为一个重复元素，每一列成为一个以标题行命名的子元素——正是这一点，让结果可以被任何期待数据XML而非电子表格的程序读取。转换过程中，列名必须变成合法的元素名称，而XML比电子表格的标题严格得多：名称不能以数字开头，不能包含空格和大多数标点，并且区分大小写。因此“Order Total (£)”会被改成更规整的形式，两个只在标点上不同的标题最后可能需要另行区分。

转过去的是值，而不是外观。一个显示为£1,234.50的单元格，在工作簿里存储的是数字1234.5加上一种格式，写入XML的就是这个数字——这几乎总是对的，因为接收数据的系统要的是值，而不是货币符号。公式同样不会保留：您得到的是公式计算出的结果，因为XML没有地方存放公式本身。颜色、字体、边框、条件格式、图表和图片在这里完全没有对应的表示。

需要检查的是日期。电子表格把日期存储为自某个起始日以来的天数，再通过格式显示出来，因此根据单元格的设置方式，日期可能会变成45356而不是一个日期。如果读取XML的程序在意日期，请在依赖这个文件之前先检查一下——也可以考虑先在工作簿里把日期设成文本格式，这样就彻底消除了歧义。

XML保留的五个字符——&符号、尖括号和引号——在值中会被转义，所以包含它们的文本能完整保留。空单元格会生成空元素而不是被省略，这让每条记录的结构保持一致，比缺失字段直接消失的输出好处理得多。受密码保护的工作簿需要先移除密码。

如果您需要的是别的

如果XML必须符合特定的Schema——某个行业格式、政府申报格式或某个系统的导入格式——通用转换无法生成它，在这里怎么配置也做不到。那是一项映射工作：用XSLT把这里的输出转换成所需的结构，提交前再用xmllint --schema校验结果。

凡是需要重复做的事，都写成脚本。Python的openpyxl和pandas可以读取工作簿并写出您指定的任何XML，还能控制日期和数字的呈现方式，而这恰恰是关键所在。另外也值得问一句：XML真的是目标格式吗？这十年里构建的大多数系统更愿意接收JSON或CSV，XML通常是从更老的系统继承下来的要求。