Как на Python написать скрипт для парсинга данных из JSON-файла и сохранения их в таблицу Excel?

Для парсинга данных из JSON-файла и сохранения их в Excel на Python чаще всего используют библиотеки `json`, `pandas` и `openpyxl`. Ниже приведён подробный пример.

**Шаг 1. Установка зависимостей**

Если библиотеки ещё не установлены, выполните в терминале:

pip install pandas openpyxl

**Шаг 2. Структура JSON-файла**

Предположим, что файл `data.json` содержит список объектов:

[
{«id»: 1, «name»: «Алексей», «age»: 30, «city»: «Москва»},
{«id»: 2, «name»: «Мария», «age»: 25, «city»: «Санкт-Петербург»},
{«id»: 3, «name»: «Иван», «age»: 35, «city»: «Казань»}
]

**Шаг 3. Скрипт для парсинга и сохранения**

python
import json
import pandas as pd

# Чтение JSON-файла
with open(‘data.json’, ‘r’, encoding=’utf-8′) as f:
data = json.load(f)

# Преобразование в DataFrame
df = pd.DataFrame(data)

# Сохранение в Excel
df.to_excel(‘output.xlsx’, index=False, sheet_name=’Данные’)

print(‘Файл успешно сохранён как output.xlsx’)

**Шаг 4. Дополнительные возможности**

— **Форматирование столбцов**: используйте `openpyxl` напрямую для настройки ширины столбцов, шрифтов и цветов.
— **Несколько листов**: вызывайте `df.to_excel()` с параметром `ExcelWriter` для записи нескольких DataFrame на разные листы.
— **Вложенный JSON**: если JSON содержит вложенные объекты, используйте `pd.json_normalize(data)` вместо `pd.DataFrame(data)` — это автоматически «разворачивает» вложенные поля в плоскую таблицу.
— **Обработка ошибок**: оберните код в `try/except` для обработки ситуаций, когда файл отсутствует или содержит некорректный JSON.

**Пример с json_normalize для вложенных данных:**
python
from pandas import json_normalize
df = json_normalize(data, sep=’_’)

Таким образом, Python позволяет быстро и гибко обрабатывать JSON-данные любой сложности и экспортировать их в удобный формат Excel для дальнейшего анализа или передачи заказчику.