用Dify搞定无规则Excel解析：一套可落地的表格数据处理工作流

发布日期：2026-07-28 16:42:19 浏览次数： 1999

作者：ZY-AI 实验室

微信搜一搜，关注“ZY-AI 实验室”

做企业系统的朋友应该都有同感：最头疼的从来不是按标准模板走的流程，而是用户手里那些"野生"的Excel文件。

我们项目里本来有一套很顺的方案：给用户一个固定模板的Excel，填好上传，后端用Python直接按表头key提取数据，干净利落。但现实是，客户手里早就攒了一堆三方导出的、自己手工整理的表格，字段名五花八门，排版千奇百怪。

数据量小还好说，让用户对着模板重新抄一遍也能忍；要是动辄成百上千行，再让人家重新录入一遍，换谁心里都得犯嘀咕。与其逼用户适应系统，不如我们来搞定这些"不规矩"的表格——把任意格式的行业表格，自动解析成后端能用的结构化JSON。

今天就把我们在Dify上磨出来的完整方案分享出来，权当抛砖引玉。

一、方案介绍

核心思路：用SQL能力驱动CSV解析

这套方案的核心逻辑其实很朴素：不跟复杂的Excel格式死磕，而是先把表格转成CSV，再用Dify自带的Database或CSV SQL查询工具去读数据。剩下的工作流，本质上都是在给工具喂数据、给输出做格式封装。

下面一步步拆解每个节点的作用和实现细节。

1.1 Excel转CSV：多Sheet自动拆分

第一步先做格式转换，把上传的Excel文件统一转成CSV。直接用文件转换器组件就行，输入Excel文件，输出CSV文件。

这里有个容易踩的坑：如果原Excel里有多个Sheet，转换器会返回多个文件对象，一个Sheet对应一个CSV。后面所有处理逻辑都要考虑"多文件遍历"的情况，不然后面只会读到第一张表的数据。

1.2 读取全量CSV数据

转好CSV之后，用Database工具执行查询，把CSV里的全量数据读出来，输出为JSON格式。

因为上一步可能产出多个CSV文件（多Sheet），所以这里一定要做循环遍历，把每一份CSV的数据都查出来，不能只处理第一个文件。

1.3 截断数据：只给AI表头，避免上下文爆炸

读到全量数据之后，很多人会纳闷：为什么不直接扔给大模型去分析？

原因很现实：如果表格有几百上千行，全量塞进上下文，不仅token消耗大，还很容易让LLM处理异常。我们真正需要AI识别的其实只有表头，数据行根本不用给它看。

所以加一个代码节点，只截取JSON前2000个字符（足够覆盖表头区域），再丢给AI。顺便把全量数据也存一份，后面匹配数据还要用。

import jsondef main(arg1):    recruitment_list = []    if isinstance(arg1, list):        for item in arg1:            if isinstance(item, dict):                recruitment_list.extend(item.get("result", []))    json_str = json.dumps(        arg1,        ensure_ascii=False,        separators=(",", ":")    )    return {        "result": json_str[:2000],        "recruitment_list": recruitment_list    }

1.4 AI识别表头：把乱字段映射成业务字段

这一步是整个方案的灵魂——让大模型去看懂表头。

很多导出的Excel表头根本不规范，比如合并单元格、空表头、Unnamed: 1这种默认字段名。人一眼能看出来"Unnamed: 2那一列其实是公司名称"，但程序认不出来，就得靠LLM来做这个映射。

我们的目标很明确：让AI找出我们关心的关键字段（比如公司名称、企业名称）对应表格里的哪个字段名，同时返回全部表头的映射关系。

提示词可以这么写，一定要强制纯JSON输出，不要markdown包裹，不然后面解析容易出问题：

分析数据中表格的表头内容，找出单位名称/公司名称/企业名称的表头字段和准确的表头名称。 直接按以下格式输出可用的json内容，不使用markdown格式输出，不包含"```json"，不添加任何其它说明内容、提示等。 {     "title":"表头字段名称(string类型)，例如：'Unnamed: 12': '单位名称'中Unnamed: 12 就是表头字段名称",     "name":"表头名称内容(string类型)，例如：'Unnamed: 12': '单位名称'中的 单位名称 就是表头名称内容",     "all_table":"全部表头字段和对应的名称内容（string类型）" }

举个例子，AI识别后会告诉你：表格里Unnamed: 1对应的实际含义是"区（市）县"，Unnamed: 2对应的是"公司名称"。拿到这个映射关系，后面就能精准取数了。