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

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.e…
— 以上为试看内容(约 40%),开通会员后阅读全文 —