API 抓回來的資料通常是 JSON，可是實際工作時，很多時候需要把它轉成 CSV 或 Excel，才比較好查資料或分享給別人。
因此今天我就要來動手練習，把 JSON 轉成不同格式存起來。
不同的工作需求會用到不同格式的資料。
JSON：程式設計師最常用，能表現複雜巢狀結構的資料，適合程式操作和系統間交換。
CSV：最輕量的格式，像純文字表格，很方便匯入許多分析工具。
Excel：給不懂程式的人用，非常友善。還支援更多功能，像是篩選、公式、圖表。
工程師可能要拿 JSON，方便用程式處理。
分析師要 CSV，好用各種資料分析軟體。
非技術背景的人可能愛用 Excel，因為它操作簡單、視覺化功能強。
只有一份 API 取得的資料，轉成各種格式，能滿足不同部門不同需求。
讓資料能更好、更方便被應用。
JSON
給系統或程式使用的格式
支援巢狀和複雜結構
不太適合用來做報表或直接看
CSV
純文字的表格格式，資料用逗號隔開
非常輕量，適合存簡單表格資料
很適合快速匯入很多資料分析工具
Excel
具備豐富格式，可以有顏色、公式、篩選等功能
更適合人閱讀和進一步加工
是非工程人員最喜歡使用的格式
步驟 1：準備開發環境
pip install requests pandas openpyxl
day16_convert_formats.py 的 Python 檔案。步驟 2：抓取 API 資料
使用免費的 JSONPlaceholder API，抓取用戶資料。
回傳的是 JSON 格式的清單。
import os, csv, json, argparse
from datetime import datetime
import requests
# 可重用的免費測試 API
API = "https://jsonplaceholder.typicode.com/users"
OUT_DIR = "output"
# 資料抓取
def fetch_users(timeout=10):
r = requests.get(API, timeout=timeout)
r.raise_for_status()
return r.json() # list[dict]
步驟 3：扁平化資料
有巢狀的資料需要攤平成一層才能方便使用。
例如從 address.city 抓出 city，從 company.name 抓出 company，保持結構簡單。
# 扁平化：把巢狀欄位攤平成一層
def pick(d, path, default=""):
cur = d
for k in path.split("."):
if isinstance(cur, dict) and k in cur:
cur = cur[k]
else:
return default
return cur
def flatten_user(u: dict) -> dict:
return {
"id": u.get("id"),
"name": u.get("name",""),
"username": u.get("username",""),
"email": u.get("email",""),
"city": pick(u, "address.city"),
"zipcode": pick(u, "address.zipcode"),
"phone": u.get("phone",""),
"website": u.get("website",""),
"company": pick(u, "company.name"),
}
步驟 4：存成不同格式
存 JSON：用 Python 的 json.dump()。
存 CSV：用 csv.DictWriter()，並加 utf-8-sig 解決 Excel 打開亂碼問題。
存 Excel：用 pandas.DataFrame.to_excel()。
# 檔名工具
def stamp():
return datetime.now().strftime("%Y%m%d_%H%M%S")
# 輸出：JSON / CSV / XLSX
def save_json(rows, path):
os.makedirs(os.path.dirname(path), exist_ok=True)
with open(path, "w", encoding="utf-8") as f:
json.dump(rows, f, ensure_ascii=False, indent=2)
print(f"JSON 已輸出：{path}（{len(rows)} 筆）")
def save_csv(rows, path, fieldnames):
os.makedirs(os.path.dirname(path), exist_ok=True)
# 用 utf-8-sig 讓 Windows Excel 直接開不亂碼
tmp = path + ".tmp"
with open(tmp, "w", newline="", encoding="utf-8-sig") as f:
w = csv.DictWriter(f, fieldnames=fieldnames)
w.writeheader()
w.writerows(rows)
os.replace(tmp, path)
print(f"CSV 已輸出：{path}（{len(rows)} 筆）")
def save_xlsx(rows, path):
try:
import pandas as pd # 需要 pandas + openpyxl
except ImportError:
print("未安裝 pandas/openpyxl，略過 XLSX 輸出。請先：pip install pandas openpyxl")
return
os.makedirs(os.path.dirname(path), exist_ok=True)
df = pd.DataFrame(rows)
df.to_excel(path, index=False)
print(f"Excel 已輸出：{path}（{len(rows)} 筆）")
步驟 5：測試與使用
預設會輸出 JSON、CSV、Excel 三種格式。
也可以指定只輸出其中一種格式。
輸出檔案都會加上時間戳記，避免被覆蓋。
# 主流程
def main():
ap = argparse.ArgumentParser(description="API 資料轉換為 CSV / JSON / Excel")
ap.add_argument("--fmt", choices=["json","csv","xlsx","all"], default="all",
help="輸出格式（預設 all）")
ap.add_argument("--outdir", default=OUT_DIR, help="輸出資料夾（預設 output）")
ap.add_argument("--timeout", type=float, default=10.0, help="API 逾時秒數（預設 10）")
args = ap.parse_args()
try:
raw = fetch_users(timeout=args.timeout)
except requests.exceptions.RequestException as e:
print("API 失敗：", e)
return
rows = [flatten_user(u) for u in raw]
fields = ["id","name","username","email","city","zipcode","phone","website","company"]
ts = stamp()
# 檔名（帶時間戳，避免覆蓋）
json_path = os.path.join(args.outdir, f"users_{ts}.json")
csv_path = os.path.join(args.outdir, f"users_{ts}.csv")
xlsx_path = os.path.join(args.outdir, f"users_{ts}.xlsx")
# 依選擇輸出
if args.fmt in ("json", "all"):
save_json(rows, json_path)
if args.fmt in ("csv", "all"):
save_csv(rows, csv_path, fields)
if args.fmt in ("xlsx", "all"):
save_xlsx(rows, xlsx_path)
print("完成！")
if __name__ == "__main__":
main()
執行結果：
接著可以到 day16/output 的資料夾中找到剛剛輸出的三個檔案。
為什麼輸出的 CSV 是 Excel 分隔值檔案？
因為 Windows 會把 .csv 副檔名預設關聯到 Excel，檔案總管就用「Excel 分隔值檔案」當成中文名稱；但本質上它仍然是純文字的 CSV（逗號分隔），不是 Excel 的 .xlsx 活頁簿。
懂了 CSV 、 JSON 、 Excel 的使用情境與差異
實作從 API 、 扁平化 、 輸出多種格式
體驗了實務上「一份資料，多種格式」的工作流程
iThome鐵人賽
看影片追技術