Конвертация форматов файлов в Python: короткое руководство

К концу этого руководства у вас будет пять готовых сниппетов: CSV в XLSX, JSON в CSV, XLSX обратно в CSV, картинка PNG в JPEG и HTML в PDF. Каждый фрагмент копируется и запускается как есть. На всё уйдёт минут тридцать вместе с установкой пакетов. Никакого разбора внутренностей — только результат.

Все примеры проверены на Python 3.11 и 3.12. Библиотеки указаны рядом с кодом; ставим их через pip перед запуском.

Что нужно иметь до начала

• Python 3.10 или новее. Проверьте: python --version должна вывести Python 3.11.x или выше.
• Умение ставить пакеты через pip и запускать скрипт из терминала.
• Для конвертации HTML в PDF — установленный системный пакет wkhtmltopdf (об этом ниже, это отдельный шаг, а не pip-пакет).
• Тестовый файл того формата, что собираетесь конвертировать, в той же папке, что и скрипт.

Ставим сразу всё, что понадобится для примеров:

pip install pandas openpyxl Pillow pdfkit

Здесь pandas — для таблиц, openpyxl — движок для Excel-файлов, Pillow — для изображений, pdfkit — обёртка над wkhtmltopdf.

1. CSV в Excel (XLSX)

Самая частая задача: отдать коллеге таблицу, которую он откроет двойным кликом. pandas читает CSV и пишет XLSX в две строки.

import pandas as pd

# read_csv по умолчанию ждёт запятую-разделитель и UTF-8.
# Русский CSV из Excel часто в cp1251 и с точкой с запятой — задаём явно.
data_frame = pd.read_csv("orders.csv", sep=";", encoding="cp1251")

# index=False — чтобы не писать лишний столбец с номерами строк
data_frame.to_excel("orders.xlsx", index=False)

print("Готово, строк записано:", len(data_frame))

Проверка: в папке появился файл orders.xlsx, в терминале — строка Готово, строк записано: N. Откройте файл в Excel или LibreOffice — столбцы на месте, кириллица читается.

Разделитель и кодировка

Если ваш CSV сохранён в UTF-8 и разделён запятыми, уберите аргументы sep и encoding — сработают значения по умолчанию. Точку с запятой и cp1251 оставляют файлы, выгруженные из русской версии Excel.

2. JSON в CSV

JSON приходит от API, а аналитику нужна плоская таблица. Если структура — это список одинаковых словарей, pandas разложит его сам.

import pandas as pd

# JSON вида [{"id": 1, "name": "..."}, {"id": 2, "name": "..."}]
data_frame = pd.read_json("users.json")

# utf-8-sig добавляет BOM, чтобы Excel не ломал кириллицу при открытии CSV
data_frame.to_csv("users.csv", index=False, encoding="utf-8-sig")

print("Колонки:", list(data_frame.columns))

Проверка: файл users.csv открывается в Excel без кракозябр, в терминале видно список колонок.

Если JSON вложенный — поля со словарями внутри словарей — read_json положит вложенный объект в одну ячейку как текст. Разворачивание вложенности делается через pandas.json_normalize; это отдельная тема, здесь остаёмся на плоских данных.

3. Excel (XLSX) в CSV

Обратная дорога. У книги Excel может быть несколько листов — по умолчанию читается первый.

import pandas as pd

# sheet_name=0 — первый лист; можно передать имя листа строкой
data_frame = pd.read_excel("report.xlsx", sheet_name=0)

data_frame.to_csv("report.csv", index=False, encoding="utf-8-sig")

print("Готово")

Проверка: рядом лежит report.csv с теми же данными, что были на первом листе.

4. Конвертация изображений (PNG в JPEG)

PNG хранит прозрачность, JPEG — нет. При прямом сохранении PNG с прозрачным фоном в JPEG вы получите ошибку или чёрный фон. Прозрачность нужно свести на белый заранее.

from PIL import Image

image = Image.open("logo.png")

# Если есть альфа-канал, подкладываем белый фон
if image.mode in ("RGBA", "LA", "P"):
    background = Image.new("RGB", image.size, (255, 255, 255))
    # convert("RGBA") нужен, если исходник в палитровом режиме P
    background.paste(image.convert("RGBA"), mask=image.convert("RGBA").split()[-1])
    image = background
else:
    image = image.convert("RGB")

# quality от 1 до 95; выше 95 Pillow не рекомендует
image.save("logo.jpg", "JPEG", quality=90)

print("Сохранено:", image.size)

Проверка: появился logo.jpg, фон белый, размер совпадает с оригиналом. Библиотека — Pillow 10.x или 11.x.

5. HTML в PDF

Этот пример требует системную программу, а не только pip-пакет. pdfkit — это обёртка, которая вызывает wkhtmltopdf. Без него скрипт упадёт.

Установка wkhtmltopdf

• Windows: скачайте установщик с официального сайта wkhtmltopdf, запомните путь к wkhtmltopdf.exe.
• Linux (Debian/Ubuntu): sudo apt install wkhtmltopdf.
• macOS: brew install wkhtmltopdf.

import pdfkit

# Если wkhtmltopdf не в PATH (частый случай на Windows) — укажите путь явно
# config = pdfkit.configuration(wkhtmltopdf=r"C:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe")
# pdfkit.from_file("page.html", "page.pdf", configuration=config)

# Если бинарник в PATH, хватит одной строки:
pdfkit.from_file("page.html", "page.pdf")

print("PDF готов")

Проверка: появился page.pdf, открывается и содержит вёрстку исходной страницы.

Больше половины проблем при конвертации — это не про формат, а про кодировку. Прежде чем искать баг в библиотеке, откройте исходный файл в редакторе и проверьте, в UTF-8 он или в cp1251.

Если не получилось

• UnicodeDecodeError: 'utf-8' codec can't decode byte... — CSV не в UTF-8. Добавьте encoding="cp1251" в read_csv. Не угадали кодировку — попробуйте определить её через пакет chardet.
• Кириллица превратилась в кракозябры в Excel — при записи CSV укажите encoding="utf-8-sig". Обычный utf-8 без BOM русский Excel открывает неправильно.
• ModuleNotFoundError: No module named 'openpyxl' — to_excel требует движок. Выполните pip install openpyxl.
• OSError: cannot write mode RGBA as JPEG — вы пытаетесь сохранить прозрачный PNG в JPEG напрямую. Сведите фон, как в примере 4.
• OSError: No wkhtmltopdf executable found — программа не установлена или не в PATH. Установите её и/или передайте путь через pdfkit.configuration.

Что делать дальше

Разобравшись с одиночными файлами, автоматизируйте пакетную обработку: пройдитесь glob.glob("*.csv") по папке и конвертируйте всё разом. Для форматов, которых нет в этом руководстве — DOCX, ODS, Parquet — смотрите таблицу поддерживаемых форматов в документации pandas и раздел форматов в документации Pillow. Если конвертация станет частью сервиса, а не разовым скриптом, оборачивайте каждый вызов в try/except и логируйте имя файла, на котором упало, — иначе на батче из тысячи файлов вы не найдёте проблемный.