精通 XML 檔案：結構、使用案例與核心優勢

XML 檔案將結構化資料儲存為巢狀、人類可讀的標籤，而非列與欄。Microsoft 將此格式描述為「一種旨在於人類可讀的文字檔案中管理和分享結構化資料的技術」。本指南將介紹這些檔案的建構方式、來源、試算表如何處理它們，以及如何從中獲取解答。

什麼是 XML 檔案

它是一個純文字檔案，同時包含資料以及其所描述事物的名稱。以逗號分隔的匯出檔案只會提供數值，並依賴標頭列來呈現意義。而帶有標籤的檔案則會將意義內聯（inline）帶入，緊鄰每個數值。

在開始之前，這種設計有一個值得先理解的後果。該格式具有階層性，因此一筆記錄可以包含其他記錄，且可達數個層級深。試算表則是扁平的，而這兩種結構之間的差距，正是大多數實際困難之所在。

Microsoft 的總覽用一句話說明了其目的：該格式「極大地簡化了資料庫、應用程式和組織之間資料的定義、傳輸、驗證和解讀」。

結構如何運作

元素與巢狀結構

每個數值都位於一個具名的元素內，且元素可以包含其他元素。一張發票可以包含一個客戶區塊、一個明細項目清單和一個總計區塊，每個區塊都有其各自的子元素。

巢狀結構是關鍵所在。它記錄了扁平資料表只能透過在多列中重複數值才能表達的關係。

自訂標籤

標籤名稱並非由格式固定。正如官方總覽所述，「應用程式設計人員可以建立自己自訂的標籤、資料結構和結構描述（schema）。」

這就是為什麼來自兩個不同廠商的兩個檔案可以描述同一張發票，卻幾乎沒有共享任何欄位名稱。任何分析都必須從解讀眼前的標籤實際代表什麼意義開始。

結構描述與驗證

獨立的結構描述檔案定義了規則。Microsoft 直接描述了這種配對關係。資料檔案「包含自訂標籤和結構化資料」。結構描述檔案則「包含強制執行規則（例如資料類型和驗證）的結構描述標籤」。

結構描述使用 .xsd 副檔名。該標準還定義了副檔名為 .xslt 的轉換檔案，被描述為「用於套用樣式並將 XML 資料轉換為不同呈現格式」的檔案。

這些檔案的用途

您很少會主動選擇此格式。它通常是從一個已經運行多年的系統中產生的。

• 金融與銀行業。 對帳單和付款訊息格式通常是帶有標籤的，而非使用分隔符號。
• 電子發票。 許多國家的電子發票法規都指定將帶有標籤的文件作為法定憑證。
• ERP 與 HR 匯出。 歷史悠久的大型企業系統通常預設以此格式進行匯出。
• 產品與內容摘要。 零售型錄摘要和聯合發佈格式都是基於標籤的。
• 設定與 Office 文件。 現代 Office 檔案格式是經過壓縮的標籤化組件集合。

這五種場景的模式都是相同的。該檔案是為另一台機器產生的交換產物，而不是為分析人員產生的工作檔案。

與扁平格式的比較

	標籤化檔案 (.xml)	CSV	Parquet
結構	巢狀，多個層級	扁平的列與欄	扁平、欄導向
欄位名稱	與每個數值內聯攜帶	僅限標頭列	儲存於檔案中繼資料中
驗證	選用的結構描述檔案可強制執行類型	無內建	類型保留在結構描述中
可在文字編輯器中讀取	是，雖然冗長	是	否
相同資料的典型大小	最大	中等	最小
常見來源	企業系統與交換標準	匯出與報表	資料平台

如果您經常需要處理這些格式，我們關於 TSV 檔案和 Parquet 檔案的配套說明文章涵蓋了該表格中扁平格式的部分。

Excel 如何處理此格式

這是大多數分析人員接觸到此格式的地方，而官方文件對於後續會發生的情況有著異常清晰的說明。

匯入路徑並不在主功能區上。Microsoft 的匯入說明是「按一下 [開發人員] > [匯入]」。該頁面還引導讀者了解顯示該索引標籤的步驟，因為它預設是隱藏的。

用 Microsoft 的話來說，基本工作流程包含「五個階段」。您將結構描述檔案新增到活頁簿中，然後將其元素對應到儲存格或資料表。接著匯入資料檔案，並將元素繫結到這些已對應的儲存格。從那裡開始，您可以在 Excel 中進行操作，並將修改後的資料重新匯出。

有兩個行為比其他行為更為重要。

如果您未提供結構描述，Excel 將會進行猜測。 在未先新增結構描述的情況下進行匯入，「Excel 會嘗試為您推導出結構描述」。該猜測是「基於 XML 資料檔案中定義的標籤」。

接著，該猜測會與活頁簿一起儲存。該頁面還指出「您無法將 Excel 推導出的結構描述匯出為獨立的 XML 結構描述資料檔案 (.xsd)」。

巢狀結構在匯入過程中會被扁平化。 Microsoft 描述了以唯讀方式開啟的結果。它是一個「具有列 and 欄的二維資料表，將 XML 標籤顯示為欄標題」。根元素則「像標題一樣被使用」。

這種扁平化正是您進行分析所需要的，但也正是意義流失的地方。一個三層的階層結構變成了多個欄位，而父元素與子元素之間的關係，僅能保留在標籤的命名方式中。

主要優勢

資料具有自我解釋性。 欄位名稱與數值同行，因此即使檔案與其說明文件分離，仍然可以被解讀。

驗證是生態系統的一部分。 結構描述可以在資料到達您手中之前，強制執行資料類型和必填欄位，這是任何純分隔符號匯出都無法做到的。

它能跨越組織邊界。 正如官方總覽所指出的，該格式「遵循產業標準指南，且可由各種資料庫和應用程式進行處理」。

保留階層結構。 包含十二個明細項目的單張發票仍保持為單張發票，而不是重複標頭數值的十二列資料。

值得了解的限制

冗長性。 在每個數值周圍重複標籤名稱，使得檔案與扁平格式的相同資料相比顯得非常龐大。

標籤名稱在不同廠商之間並未標準化。 自訂標籤是該格式的一項特性，而代價是每個新來源都需要重新解讀。

試算表需要將階層結構扁平化。 任何樞紐分析表、圖表或公式都需要矩形結構，因此在開始分析之前必須改變其形狀。

匯入可能會因驗證失敗。 Microsoft 指出「當 Excel 無法根據 XML 對應驗證資料時，會顯示 [XML 匯入錯誤] 對話方塊」。這會讓您在開始之前必須先回到結構描述進行處理。

無需與結構糾纏即可獲得解答

實際面臨的問題很少是「我該如何開啟這個檔案」，而是「我該如何在今天下午之前從中製作出一張圖表」。

行得通的路徑正是 Excel 已經暗示的那條路。將階層結構扁平化為矩形，決定階層結構的哪一個層級代表一列，然後從那裡開始分析。

Powerdrill Bloom 接受上傳 Excel、CSV、PDF 和文件，因此帶有標籤的來源檔案應先轉換為 CSV 或活頁簿。Excel 本身的唯讀開啟功能正好能產生該矩形，您的資料工具中的任何轉換步驟也是如此。

一旦資料扁平化，分析就變得再普通不過了。CSV AI assistant 頁面描述了該路徑。定價頁面總結了結果：針對您的資料進行提問，並「獲得包含圖表、資料表和匯出內容的有根據解答」。如果您特別需要圖表，我們關於如何將 CSV 檔案轉換為圖表的逐步教學涵蓋了完整流程。

在轉換之前，有一個決定需要特別注意。請刻意選擇列的細粒度。每筆明細項目一列與每張發票一列，解答的是不同的問題。

結論

該格式具有冗長性、自我解釋性和階層性，這三個特性解釋了與其協作時的所有其他特點。它非常適合在組織之間移動資料，但在單一組織內部進行資料分析時則顯得有些棘手。

將轉換視為一項決策，而非一項繁瑣的工作。選擇要成為一列的層級，並保留標籤名稱作為欄標題。在此之後，工作內容就與任何試算表分析完全相同。

現在您的資料夾中正好有這樣一個檔案嗎？在扁平化的匯出檔案上嘗試使用 Powerdrill Bloom，在投入資源建立管線之前先看看圖表。

常見問題

XML 檔案的用途是什麼？

它用於在系統和組織之間移動結構化資料。常見來源包括銀行訊息、電子發票、ERP 和 HR 匯出、零售產品摘要以及 Office 文件的內部組件。

XML 和 CSV 有什麼不同？

前者具有階層性，且將欄位名稱與每個數值內聯攜帶。後者則是扁平的，並依賴單一標頭列。此外，標籤化格式還可以針對結構描述檔案進行驗證，而分隔符號匯出則無法做到這一點。

如何在 Excel 中開啟 XML 檔案？

Microsoft 記載的路徑為 [開發人員] > [匯入]，且 [開發人員] 索引標籤預設是隱藏的。您也可以以唯讀方式開啟檔案，這會產生一個使用標籤作為欄標題的二維資料表。

我需要結構描述檔案才能使用資料嗎？

不需要。Microsoft 的文件指出，在未提供結構描述時，Excel 會嘗試從標籤中推導出結構描述。推導出的結構描述會與活頁簿一起保留，且無法匯出為獨立的 .xsd 檔案。

什麼是 XSLT？

Microsoft 將其描述為與資料格式一同定義的轉換標準。它使用 .xslt 檔案「套用樣式並將 XML 資料轉換為不同的呈現格式」。