CSV a JSON

Pegue sus datos CSV en el campo de entrada y haga clic en el botón Convertir a JSON. La herramienta utilizará la primera fila como nombres de propiedades y convertirá cada fila posterior en un objeto JSON, creando una matriz de objetos como salida.

Su CSV debe tener encabezados en la primera fila (nombres de columna) y datos en las filas siguientes. Por ejemplo: 'name,age\nJohn,30\nJane,25'. Los encabezados se convierten en claves de objeto JSON y cada fila de datos se convierte en un objeto de la matriz JSON.

Sí. Simplemente copia tus datos de Excel, Google Sheets o cualquier aplicación de hoja de cálculo y pégalos en la herramienta. La mayoría de las aplicaciones de hojas de cálculo exportan a formato CSV cuando copias celdas.

El conversor detecta y conserva los tipos de datos de forma inteligente. Los números se mantienen como números en JSON, y el texto se convierte en cadenas. Los valores booleanos (verdadero/falso) y los valores nulos también se reconocen y convierten correctamente.

La herramienta analiza correctamente los archivos CSV siguiendo las convenciones CSV estándar, incluido el tratamiento de los campos entrecomillados que contienen comas, nuevas líneas u otros caracteres especiales. Esto garantiza una conversión precisa incluso con datos complejos.

Sí, la herramienta genera JSON válido y con el formato adecuado que cumple todas las especificaciones JSON. Puede utilizar el resultado directamente en JavaScript, API, bases de datos o cualquier aplicación que acepte datos JSON.

Las celdas vacías en CSV se convierten normalmente en cadenas vacías ("") en JSON, mientras que los valores realmente omitidos pueden convertirse en nulos dependiendo de la configuración del conversor. Si una fila tiene menos columnas que la fila de cabecera, los valores que faltan pueden tratarse como propiedades nulas, indefinidas u omitidas. Por el contrario, si una fila de datos tiene más columnas que cabeceras, los valores extra pueden ignorarse o asignarse a nombres de propiedades genéricos. Para obtener los mejores resultados, asegúrese de que su CSV tiene un recuento de columnas coherente y utilice cadenas vacías explícitas o indicadores nulos para los datos que faltan.

Aunque el formato CSV estándar utiliza comas, muchos conjuntos de datos emplean punto y coma (común en los países europeos, donde la coma es el separador decimal), tabuladores (formato TSV), tubos (|) u otros delimitadores. Los analizadores CSV avanzados pueden detectar o aceptar especificaciones de delimitadores personalizadas. Si su CSV utiliza delimitadores no estándar, es posible que tenga que preprocesarlo o utilizar un conversor que admita la configuración de delimitadores. Los valores separados por tabuladores (TSV) son especialmente comunes en grandes conjuntos de datos, ya que los tabuladores aparecen raramente en los datos, lo que reduce la necesidad de escapes.

El formato CSV estándar es plano y no puede representar datos jerárquicos de forma natural. Para convertir datos jerárquicos de CSV a JSON, es necesario: utilizar notación por puntos en los encabezados (como "usuario.nombre", "usuario.dirección.ciudad") que el conversor expande en objetos anidados, incluir relaciones de ID padre-hijo que se reestructuran manualmente tras la conversión, o utilizar varios archivos CSV con relaciones de clave externa. Para obtener datos realmente anidados, considere la posibilidad de utilizar JSON o XML como formato de origen. Algunos conversores avanzados admiten operaciones pivotantes para crear estructuras anidadas a partir de datos CSV planos.

La conversión de archivos CSV de gran tamaño (más de 10 MB) en el navegador puede consumir mucha memoria. Las herramientas basadas en navegador pueden tener problemas con archivos de más de 50 MB debido a las limitaciones de memoria de JavaScript. Para grandes conjuntos de datos: utilice analizadores de flujo que procesen trozos en lugar de cargar todo el archivo en la memoria, considere la conversión en el servidor para archivos de más de 100 MB, esté atento a las advertencias de rendimiento del navegador y optimice eliminando primero las columnas innecesarias. Las herramientas de Node.js como 'csv-parser' o la biblioteca 'pandas' de Python procesan archivos grandes de forma más eficiente que los conversores basados en navegador. Prueba siempre con una muestra pequeña antes de procesar conjuntos de datos enormes.