CSV zu JSON

Füge deine CSV-Daten in das Eingabefeld ein und klicke auf die Schaltfläche „In JSON umwandeln“. Das Tool verwendet die erste Zeile als Eigenschaftsnamen und wandelt jede folgende Zeile in ein JSON-Objekt um. Die Ausgabe ist ein Array aus Objekten.

Deine CSV-Datei sollte in der ersten Zeile Überschriften (Spaltennamen) und in den folgenden Zeilen Daten enthalten. Zum Beispiel: 'name,age\nJohn,30\nJane,25'. Die Überschriften werden zu JSON-Objektschlüsseln und jede Datenzeile zu einem Objekt im JSON-Array.

Ja! Kopiere einfach deine Daten aus Excel, Google Sheets oder einer anderen Tabellenkalkulation und füge sie in das Tool ein. Die meisten Tabellenkalkulationen exportieren kopierte Zellen im CSV-Format.

Der Konverter erkennt auf intelligente Weise die Datentypen und behält sie bei. Zahlen bleiben in JSON als Zahlen erhalten, und Text wird in Zeichenketten umgewandelt. Boolesche Werte (wahr/falsch) und Nullwerte werden ebenfalls korrekt erkannt und konvertiert.

Das Tool analysiert CSV-Dateien entsprechend den CSV-Standardkonventionen, einschließlich der Behandlung von Feldern mit Anführungszeichen, die Kommas, Zeilenumbrüche oder andere Sonderzeichen enthalten. Dies gewährleistet eine genaue Konvertierung auch bei komplexen Daten.

Ja, das Tool erzeugt korrekt formatiertes, gültiges JSON, das allen JSON-Spezifikationen entspricht. Du kannst die Ausgabe direkt in JavaScript, APIs, Datenbanken oder jeder Anwendung verwenden, die JSON-Daten akzeptiert.

Leere CSV-Zellen werden in JSON normalerweise in leere Zeichenfolgen ("") umgewandelt, während tatsächlich fehlende Werte je nach Einstellungen des Konverters zu null werden können. Wenn eine Zeile weniger Spalten als die Kopfzeile hat, können die fehlenden Werte als null oder undefined behandelt oder als Eigenschaften weggelassen werden. Hat eine Datenzeile dagegen mehr Spalten als die Kopfzeile, werden zusätzliche Werte möglicherweise ignoriert oder generischen Eigenschaftsnamen zugewiesen. Die besten Ergebnisse erzielst du, wenn deine CSV-Datei durchgehend gleich viele Spalten hat und du für fehlende Daten explizit leere Zeichenfolgen oder Null-Markierungen verwendest.

Standard-CSV-Dateien verwenden Kommas, viele Datensätze jedoch Semikolons (üblich in europäischen Regionen, in denen das Komma als Dezimaltrennzeichen dient), Tabulatoren (TSV-Format), senkrechte Striche (|) oder andere Trennzeichen. Fortschrittliche CSV-Parser können Trennzeichen erkennen oder benutzerdefinierte Trennzeichen akzeptieren. Wenn deine CSV-Datei ungewöhnliche Trennzeichen verwendet, musst du sie möglicherweise vorverarbeiten oder einen Konverter mit konfigurierbaren Trennzeichen nutzen. Tabulatorgetrennte Werte (TSV) sind bei großen Datensätzen besonders verbreitet, da Tabulatoren nur selten in Daten vorkommen und dadurch weniger Escape-Zeichen nötig sind.

Standard-CSV-Dateien sind flach und können hierarchische Daten nicht direkt darstellen. Um hierarchische Daten von CSV in JSON umzuwandeln, kannst du entweder Punktnotation in den Kopfzeilen verwenden (z. B. 'user.name', 'user.address.city'), die der Konverter in verschachtelte Objekte umwandelt, übergeordnete und untergeordnete IDs angeben und die Struktur nach der Umwandlung manuell anpassen oder mehrere CSV-Dateien mit Fremdschlüsselbeziehungen verwenden. Für wirklich verschachtelte Daten empfiehlt sich JSON oder XML als Quellformat. Einige fortschrittliche Konverter unterstützen Pivot-Operationen, mit denen sich aus flachen CSV-Daten verschachtelte Strukturen erstellen lassen.

Das Umwandeln großer CSV-Dateien (10MB+) im Browser kann viel Arbeitsspeicher beanspruchen. Browserbasierte Tools können bei Dateien über 50MB aufgrund von JavaScript-Speicherbeschränkungen an ihre Grenzen stoßen. Bei großen Datensätzen solltest du Streaming-Parser verwenden, die die Daten in Blöcken verarbeiten, statt die gesamte Datei in den Arbeitsspeicher zu laden, für Dateien über 100MB eine serverseitige Umwandlung in Betracht ziehen, auf Leistungswarnungen des Browsers achten und zuerst unnötige Spalten entfernen. Node.js-Tools wie 'csv-parser' oder die Python-Bibliothek 'pandas' verarbeiten große Dateien effizienter als browserbasierte Konverter. Teste die Verarbeitung riesiger Datensätze immer zuerst mit einem kleinen Beispiel.