Conversor de Excel para JSON

As pastas de trabalho .xlsx modernas são arquivos SpreadsheetML definidos por ECMA-376 / ISO/IEC 29500 (o padrão Office Open XML): a extensão .xlsx é um contêiner ZIP cujas entradas são documentos XML em xl/worksheets/sheetN.xml, com strings armazenadas em uma tabela de strings compartilhadas xl/sharedStrings.xml e tipos de célula declarados pelo atributo t (s = sharedString, n = number, b = boolean, str = string inline, d = data em ISO 8601). A página lê o arquivo enviado com FileReader.readAsArrayBuffer e então entrega o ArrayBuffer ao SheetJS (xlsx). XLSX.read(buffer, {type: 'array'}) retorna um objeto de pasta de trabalho cujo array SheetNames direciona o seletor de planilha, e XLSX.utils.sheet_to_json(sheet, options) percorre a grade de células para produzir um array de objetos (com a linha de cabeçalho como chaves) ou um array de arrays quando header: 1 é passado.

O formato legado .xls é o formato binário BIFF8 (Excel 97-2003), que o SheetJS também decodifica através do mesmo ponto de entrada read() mas com type: 'binary' para FileReader.readAsBinaryString ou 'array' quando lido como bytes. Valores de data das células em ambos os formatos são armazenados como números seriais (dias desde a época de 1900 no Excel, com o bug histórico de ano bissexto de 1900-02-29 que desloca datas antes de 1900-03-01 em um dia, ou dias desde 1904-01-01 quando a flag date1904 da pasta de trabalho está definida no Excel para Mac). A conversão para um Date JavaScript é (serial - 25569) * 86400 * 1000 milissegundos após a época Unix para o sistema 1900, uma vez que o bug de ano bissexto é contabilizado. Fórmulas residem no atributo f e o SheetJS reporta seu último resultado em cache em v; se a pasta de trabalho foi salva por uma ferramenta que não recalculou (ex. algumas exportações por script), v pode estar ausente ou desatualizado.

Quando a primeira linha é usada como cabeçalhos, células de cabeçalho duplicadas ou vazias forçam o SheetJS a pular ou renomear automaticamente as chaves (ex. __EMPTY, __EMPTY_1), o que quebra contratos JSON downstream. Intervalos de células mescladas (declarados em worksheet/mergeCells) expõem o valor apenas na âncora superior esquerda e emitem undefined nas células finais mescladas, então uma linha de título mesclada produz um registro populado seguido de N - 1 registros esparsos. Para pastas de trabalho acima de dezenas de megabytes, o caminho síncrono XLSX.read() pode bloquear a thread da UI; a alternativa de streaming é mover a análise para um Web Worker para que a thread principal permaneça responsiva.

• .xlsx é um contêiner ZIP de XML (ECMA-376 / ISO/IEC 29500); .xls é o formato binário BIFF8; SheetJS XLSX.read(buffer, {type: 'array'}) lida com ambos via FileReader.readAsArrayBuffer.
• Opções de sheet_to_json: header: 1 retorna array de arrays; header: 'A' usa letras de colunas da planilha; defval: null preenche células esparsas com null em vez de descartar a chave; raw: false aplica a formatação de exibição do Excel.
• O número serial de data do Excel é dias desde 1900-01-01 (com o bug de ano bissexto de 1900-02-29; para o sistema de datas 1904 do Mac, dias desde 1904-01-01); JS Date ms = (serial - 25569) * 86400000 após a época Unix.
• Células de cabeçalho duplicadas ou vazias tornam-se chaves renomeadas automaticamente (__EMPTY, __EMPTY_1) ou colidem silenciosamente; valide o JSON para essas strings antes de confiar no schema.
• Intervalos de células mescladas (worksheet.mergeCells) expõem o valor apenas na âncora superior esquerda; células finais na mesclagem são undefined, então uma linha de título mesclada gera um registro com o valor e N-1 registros com campos vazios.
• Células de fórmula armazenam a expressão em f e o último resultado em cache em v; ferramentas que salvam sem recalcular deixam v desatualizado ou ausente, e o SheetJS retorna v como está.
• Mova XLSX.read para um Web Worker para pastas de trabalho acima de ~10 MB; o caminho de análise síncrona bloqueia requestAnimationFrame e pode congelar a aba por vários segundos em planilhas grandes.