convert json to csv locally: JSON auf dem eigenen Rechner in CSV umwandeln (Anleitung 2026)

Was bedeutet es, JSON lokal in CSV umzuwandeln?

Das Wort lokal wird für drei verschiedene Dinge verwendet, und der Unterschied zählt, wenn Datenschutz der Grund für Ihre Frage ist. Die erste Bedeutung ist clientseitig: eine Webseite, die die Umwandlung in Ihrem Browser-Tab ausführt. Sie schauen sich weiterhin eine Webseite an, aber die Seite schickt Ihre Daten nirgendwohin, weil der Umwandlungscode auf Ihrem Rechner läuft. Die zweite Bedeutung ist installierte Software: ein Programm auf Ihrem Computer, etwa eine Desktop-App oder eine Editor-Erweiterung, das eine Datei liest und eine Datei schreibt. Die dritte Bedeutung ist ein Skript, das Sie selbst ausführen: ein paar Zeilen Python, jq oder Node, die Sie vollständig kontrollieren und vor dem Ausführen lesen können.

Alle drei halten die Datei auf Ihrem Rechner. Sie unterscheiden sich darin, was Sie installieren müssen, was Sie lernen müssen und wie wiederholbar das Ergebnis ist. Eine clientseitige Seite braucht keine Installation und kein Vorwissen, aber Sie wiederholen die Klicks jedes Mal. Ein Skript braucht ein installiertes Tool und ein paar getippte Zeilen, aber Sie können es mit einem Befehl auf hundert Dateien ausführen und jedes Mal dasselbe Ergebnis erhalten. Der Rest dieser Anleitung behandelt alle drei als lokal und sagt bei jeder Methode, welche davon sie ist.

Eines bedeutet lokal nicht: privat wie von Zauberhand. Ein Skript, das Sie von einer fremden Person herunterladen und ungeprüft ausführen, kann auf Ihrem Rechner alles tun, einschließlich Ihre Datei irgendwohin zu schicken. Die Skripte in dieser Anleitung sind kurz genug, um sie vollständig zu lesen, und Sie sollten jedes Skript lesen, bevor Sie es auf sensible Daten anwenden. Lokal ist eine Eigenschaft davon, wo die Arbeit stattfindet, und Sie prüfen sie, indem Sie den Code lesen oder den Netzwerkverkehr beobachten, nicht indem Sie einem Etikett vertrauen.

Wann lokal die richtige Wahl ist, und wann nicht

Lokale Umwandlung ist in vier Situationen die richtige Wahl. Die erste ist sensible Daten: Kundenlisten, interne Datensätze, alles unter einem Vertrag oder einer Datenschutzregel, die besagt, dass die Daten im Unternehmen bleiben. Wenn die Datei den Rechner nicht verlassen darf, ist ein serverseitiger Konverter schlicht keine Option, egal wie bequem er wäre. Die zweite ist keine Verbindung: ein Flugzeug, ein abgelegener Standort, ein Netzwerk, das das gewünschte Tool blockiert. Lokale Tools funktionieren offline genau gleich, weil es keinen Server gibt, den man erreichen müsste.

Die dritte ist Wiederholbarkeit. Wenn Sie jede Woche dieselbe Art von Export umwandeln, verwandelt ein Skript eine fünfzehnminütige Klicksession in einen einzigen Befehl, und derselbe Befehl liefert jedes Mal dieselben Spalten in derselben Reihenfolge. Die vierte ist Größe und Kontrolle: Eine Datei mit Millionen von Zeilen oder eine Datei, deren Spalten Sie umbenennen und neu ordnen müssen, lässt sich mit einem Skript, das Sie anpassen können, leichter handhaben als mit einer Seite, deren Optionen fest sind.

Lokal ist in drei Situationen die falsche Wahl. Wenn mehrere Personen dieselbe Umwandlung mit denselben Einstellungen brauchen, schlägt eine gemeinsame Seite fünf Kopien eines Skripts, die auseinanderdriften. Wenn Sie keinen Rechner haben, den Sie kontrollieren, etwa einen geliehenen Computer oder einen gesperrten Arbeitslaptop, auf dem sich Python oder jq nicht installieren lässt, ist eine clientseitige Seite weiterhin lokal und weiterhin die bessere Wahl. Und wenn die Datei größer ist, als Ihr Rechner bequem im Speicher halten kann, hilft keine lokale Methode, bis Sie die Datei aufteilen oder streamen, was eine andere Aufgabe ist. Stellen Sie vor der Wahl eine Frage: Muss diese Datei auf diesem Rechner bleiben, und werde ich das wieder tun? Wenn beide Antworten ja lauten, gehen Sie lokal und skripten Sie es. Wenn nur die erste ja lautet, reicht eine clientseitige Seite.

Ein praktischer Test hilft bei der Entscheidung: Wandeln Sie denselben Export einmal per Hand und einmal per Skript um, und vergleichen Sie die Spalten. Wenn die Spalten übereinstimmen und der Befehl in wenigen Sekunden läuft, ist die Skriptvariante für alle künftigen Exporte die bessere. Wenn Sie dagegen nur einmal im Jahr eine einzige Datei umwandeln, ist der Aufwand für Installation und Skriptpflege größer als der Nutzen, und die Seite im Browser ist die ehrlichere Wahl.

Methode 1: Der Konverter auf dieser Seite ist bereits lokal

Die einfachste lokale Methode liegt bereits vor Ihnen. Der Konverter auf dieser Seite läuft vollständig in Ihrem Browser-Tab. Wenn Sie JSON einfügen oder eine Datei hochladen, parst die Seite es, flacht es ab und baut den CSV-Text in Ihrem Browser, und übergibt Ihnen das Ergebnis dann als heruntergeladene Datei. Es gibt keinen Upload-Schritt und keinen Server, der auf Ihre Daten wartet, weil der Umwandlungscode mit der Seite ausgeliefert wird und auf Ihrem Rechner läuft.

Diese Behauptung können Sie in etwa dreißig Sekunden selbst prüfen, und Sie sollten es tun, weil eine Behauptung über Datenschutz eine Prüfung wert ist. Öffnen Sie den Konverter, trennen Sie die Netzwerkverbindung oder schalten Sie den Flugmodus ein, fügen Sie dann JSON ein und wandeln Sie es um. Es funktioniert weiterhin, weil nichts an der Umwandlung das Netzwerk braucht. Der einzige Button auf der Seite, der das Netzwerk berührt, ist der optionale Button zum Laden per URL, der JSON von einer Webadresse lädt, die Sie eintippen. Wenn Sie stattdessen einfügen oder hochladen, wird das Netzwerk nie verwendet.

Das macht die Seite zur richtigen lokalen Methode für einmalige Umwandlungen und für Rechner, auf denen Sie nichts installieren können. Die Grenzen sind dieselben wie bei jeder Seite: Sie wiederholen die Klicks für jede Datei, und sehr große Dateien verlangsamen den Tab. Für eine einzelne Datei oder für eine Datei, die Sie nur einmal umwandeln, spielen diese Grenzen keine Rolle. Für einen wöchentlichen Export wechseln Sie zu einem Skript weiter unten und behalten die Seite als schnelle Kontrolle.

Methode 2: Python, das lokale Arbeitstier, ohne Pakete

Python ist für die meisten Menschen die nützlichste lokale Methode, weil es auf den meisten Entwicklerrechnern bereits installiert ist und allein die Standardbibliothek ausreicht. Kein pandas, keine Pakete, nichts zum Herunterladen. Das Skript unten liest eine JSON-Datei mit Objekten, nimmt die Spaltennamen aus dem ersten Objekt und schreibt eine CSV mit dem Standardmodul csv, das die Anführungszeichen selbst korrekt setzt. Speichern Sie es als json2csv.py und führen Sie es mit python3 json2csv.py orders.json orders.csv aus.

Python, standard library only

import json, csv, sys

with open(sys.argv[1]) as f:
    rows = json.load(f)

with open(sys.argv[2], 'w', newline='') as f:
    writer = csv.DictWriter(f, fieldnames=rows[0].keys())
    writer.writeheader()
    writer.writerows(rows)

Getestet an der Beispieldatei, die in dieser Anleitung durchgehend verwendet wird, drei Bestellungen mit den Feldern id, customer und tags, erzeugte dieses Skript eine Kopfzeile plus drei Datenzeilen. Das verschachtelte Kundenobjekt kam als Python-Repräsentation heraus, nicht als JSON-Text, und die Tags-Liste kam als Repräsentation einer Liste heraus, weil ein einfacher DictWriter verschachtelte Werte nicht abflacht. Das ist die ehrliche Grenze der kurzen Version: Flache Daten wandeln sich perfekt um, verschachtelte Daten brauchen einen weiteren Schritt. Der Abflachungsschritt ist klein. Eine kurze rekursive Funktion, die verschachtelte Objekte vor dem Schreiben in Punktnotation-Schlüssel wie customer.name und customer.city verwandelt, liefert dieselben Spalten, die die Konverterseite mit eingeschaltetem Abflachungsschalter erzeugt.

Das csv-Modul leistet hier echte Arbeit für Sie. Es setzt Zellen, die das Trennzeichen enthalten, in Anführungszeichen, verdoppelt innere Anführungszeichen und schreibt die Zeilenenden, die Ihre Tabellenkalkulation erwartet. Bauen Sie CSV nicht selbst, indem Sie Werte mit Kommas verbinden. Von Hand verbundene Werte brechen beim ersten Komma in einem Wert, und dieser Bruch ist lautlos: Die Datei sieht gut aus, bis sich eine Spalte verschiebt. Die Standardbibliotheksversion läuft außerdem auf jedem Rechner mit Python 3 gleich, weshalb sie die Methode ist, zu der Sie greifen sollten, wenn eine Kollegin oder ein Kollege Ihre Umwandlung ebenfalls ausführen muss.

Methode 3: jq, der Einzeiler für Menschen, die im Terminal leben

Wenn Sie das Terminal bereits nutzen, verwandelt jq die ganze Aufgabe für flache Daten in eine Zeile. Es liest JSON, nimmt die Schlüssel des ersten Objekts als Kopfzeile und gibt dann jede Zeile als CSV-Zeile aus, wobei die Anführungszeichen von seinem @csv-Formatierer gesetzt werden. Keine Skriptdatei, keine Schleife, keine manuellen Anführungszeichen. Der Befehl unten liest eine flache Bestelldatei mit id, city und total pro Bestellung und schreibt orders.csv. Beachten Sie die offen genannte Grenze: Der @csv-Formatierer weist verschachtelte Objekte und Listen zurück, also ist dieser Einzeiler nur für flache Exporte gedacht, und das verschachtelte Beispiel aus dem Python-Abschnitt schlägt darauf mit einem Fehler fehl, statt eine falsche Tabelle zu erzeugen, was die sichere Art des Fehlschlagens ist.

jq one-liner, flat objects

jq -r '(.[0] | keys_unsorted) as $keys | $keys, map([.[ $keys[] ]])[] | @csv' orders-flat.json > orders.csv

Getestet an einer flachen Datei mit drei Bestellungen war die Ausgabe eine in Anführungszeichen gesetzte Kopfzeile, "id","city","total", gefolgt von drei Datenzeilen mit in Anführungszeichen gesetzten Textzellen und nackten Zahlen, genau die Form, die @csv erzeugt. Das Detail keys_unsorted zählt: Einfache keys würden die Spalten alphabetisch sortieren, was die Spaltenreihenfolge gegenüber Ihrer Datei verändert. Wenn Ihre Daten verschachtelte Objekte enthalten, braucht jq zuerst einen Abflachungsfilter, und aus dem Einzeiler wird ein kleines Skript. Für flache Exporte, was die meisten API-Listen nach dem Entpacken bereits sind, ist der Einzeiler die ganze Aufgabe, und er läuft offline auf jedem Rechner mit installiertem jq. Die Grenze bei verschachtelten Daten wurde auf dem Testrechner bestätigt: Derselbe Filter schlägt auf dem verschachtelten Beispiel mit einem Fehler fehl, statt eine falsche Tabelle zu erzeugen, was die sichere Art des Fehlschlagens ist.

Eine Vorsicht: jq liest die gesamte Datei in den Speicher, also wird ein Export von mehreren Gigabyte es ebenso belasten wie einen Browser-Tab. Für gewöhnliche Exporte bis zu einigen zehn Megabyte ist es sofort fertig. Für sehr große Dateien teilen Sie die Datei zuerst auf oder nutzen ein Streaming-Tool, und behandeln Sie das als eigenes Problem, getrennt von der Umwandlung.

Methode 4: Node, wenn die Umwandlung in einem Projekt lebt

Node ist die richtige lokale Methode, wenn die Umwandlung Teil eines Projekts ist und nicht eine einmalige Aufgabe: ein Build-Schritt, eine Datenpipeline, ein Skript, das das Team ohnehin ausführt. Node bringt JSON-Parsing eingebaut mit, also ist die einzige Arbeit, Zeilen in CSV-Text zu verwandeln, und das kleine Skript unten tut das mit einem Hilfsprogramm zum Abflachen mit Punkten, sodass verschachtelte Objekte zu Punktnotation-Spalten werden und damit dem Verhalten der Konverterseite entsprechen. Speichern Sie es als json2csv.mjs und führen Sie es mit node json2csv.mjs orders.json orders.csv aus.

Node script with dot-flattening

import { readFileSync, writeFileSync } from 'node:fs';

const flatten = (obj, prefix = '', out = {}) => {
  for (const [k, v] of Object.entries(obj)) {
    const key = prefix ? prefix + '.' + k : k;
    if (v && typeof v === 'object' && !Array.isArray(v)) flatten(v, key, out);
    else out[key] = Array.isArray(v) ? v.join('; ') : v;
  }
  return out;
};

const rows = JSON.parse(readFileSync(process.argv[2], 'utf8')).map(r => flatten(r));
const cols = [...new Set(rows.flatMap(r => Object.keys(r)))];
const esc = v => v == null ? '' : /[",\n]/.test(String(v)) ? '"' + String(v).replaceAll('"', '""') + '"' : String(v);
const lines = [cols.join(','), ...rows.map(r => cols.map(c => esc(r[c])).join(','))];
writeFileSync(process.argv[3], lines.join('\n'));

Getestet an demselben Beispiel erzeugte das Skript die Kopfzeile id,customer.name,customer.city,total und drei Zeilen, wobei das verschachtelte Kundenobjekt zu zwei Spalten abgeflacht und die Tags-Liste mit Semikolon und Leerzeichen verbunden wurde. Die Escape-Funktion folgt derselben Regel, die die Konverterseite nutzt: Eine Zelle wird nur dann in Anführungszeichen gesetzt, wenn sie das Trennzeichen, ein Anführungszeichen oder einen Zeilenumbruch enthält, und innere Anführungszeichen werden verdoppelt. Diese Regel ist das Ganze der CSV-Anführungszeichen, und sie richtig hinzubekommen ist der Unterschied zwischen einer Datei, die sich sauber öffnet, und einer Datei, die lautlos Spalten verschiebt.

Das Skript ist absichtlich kurz, damit Sie es vor dem Ausführen lesen können. Es nimmt die Vereinigung aller Spalten über alle Zeilen, sodass eine Zeile, der ein Feld fehlt, eine leere Zelle erhält, was der Konverterseite entspricht. Wenn Sie Streaming für riesige Dateien oder das Umbenennen von Spalten brauchen, sind das Ergänzungen zu diesem Skript, keine Ersatz dafür.

Methode 5: Tools, die Sie bereits haben, VS Code und Excel offline

Zwei weitere lokale Methoden brauchen keine neue Installation, wenn Sie die Tools bereits nutzen. In VS Code wandelt eine Erweiterung die geöffnete JSON-Datei über die Befehlspalette in CSV um, was der schnellste lokale Weg ist, wenn Sie die Datei ohnehin gerade bearbeiten. Die vollständige Anleitung, einschließlich der Erweiterung und der genauen Befehle, steht in der unten verlinkten VS-Code-Anleitung. In Excel liest Power Query eine JSON-Datei von Ihrer Festplatte und macht daraus eine Tabelle, ohne dass die Datei den Rechner je verlässt: Daten, Daten abrufen, Aus Datei, Aus JSON, dann die Spalten erweitern und laden. Beide sind nach der Installation des Tools vollständig offline.

Diese Methoden tauschen Kontrolle gegen Bequemlichkeit. VS Code und Excel entscheiden die Spaltenbehandlung für Sie, und ihre Standardeinstellungen sind für flache Daten meist gut und für verschachtelte Daten gelegentlich überraschend. Wenn die Ausgabe falsch aussieht, ist die Diagnose dieselbe wie überall sonst: Prüfen Sie, ob verschachtelte Werte abgeflacht oder als JSON-Text belassen wurden, und prüfen Sie das Trennzeichen beim Öffnen. Für eine Datei, die Sie einmal umwandeln, schlägt jede Methode das Installieren von etwas Neuem. Für eine Datei, die Sie wöchentlich umwandeln, schlägt ein Skript, das Ihnen gehört, beide.

Wenn lokal nicht reicht, und was dann zu tun ist

Lokale Umwandlung hat drei echte Grenzen, und sie zu benennen bewahrt Sie davor, eine lokale Methode zu erzwingen, wo sie nicht passt. Die erste ist Zusammenarbeit: Wenn fünf Personen dieselbe Umwandlung mit denselben Einstellungen brauchen, driften fünf Skripte auseinander, und eine gemeinsame Seite bleibt konsistent. Die zweite ist Rechnerzugang: Auf einem geliehenen oder gesperrten Computer können Sie Python, jq oder Node vielleicht nicht installieren, und dann ist die clientseitige Seite weiterhin Ihre lokale Methode. Die dritte ist Skalierung: Eine Datei, die größer als der Speicher ist, wird jede Methode hier belasten, und die Lösung ist, die Datei aufzuteilen oder sie Zeile für Zeile zu streamen, nicht ein anderer Konverter.

Es gibt auch eine Grenze, die Menschen vergessen: Lokale Umwandlung repariert keine schlechten Daten. Ein Skript wandelt genau das um, was die Datei enthält, einschließlich fehlender Felder, gemischter Typen und uneinheitlicher Formen. Wenn derselbe Export ein Feld manchmal hat und manchmal nicht, liefert jede Methode in dieser Anleitung die Vereinigung der Spalten mit Leerzeichen, was ehrlich ist, aber vielleicht nicht das, was Ihre Tabellenkalkulation erwartet. Reparieren Sie den Quell-Export, wenn Sie können, und dokumentieren Sie die Leerzeichen, wenn Sie es nicht können.

Lokale Dateihygiene: vier Prüfungen, bevor Sie der CSV vertrauen

Eine lokale Umwandlung ist erst fertig, wenn die Ausgabe geprüft ist, und die Prüfungen dauern weniger als eine Minute. Erstens: Behalten Sie das ursprüngliche JSON. Wandeln Sie nie an Ort und Stelle um, indem Sie die Quelle überschreiben, weil eine Umwandlung Informationen verliert: Typen werden zu Text, verschachtelte Struktur wird zu Spaltennamen, und es gibt keinen Weg zurück zum ursprünglichen Baum, nur aus der CSV. Zweitens: Benennen Sie die Ausgabe so, dass sie sich sortiert: orders-2026-10-25.csv schlägt output-final-v2.csv, und das Datum sagt Ihnen, aus welchem Export sie stammt.

Drittens: Zählen Sie die Zeilen. Die CSV sollte eine Kopfzeile plus eine Zeile pro Objekt im JSON haben, und eine schnelle Zählung fängt den häufigsten Fehler ab, nämlich dass ein Zeilenfinder die falsche Liste aus einer verpackten Antwort auswählt. Viertens: Öffnen Sie die CSV mit dem richtigen Trennzeichen. Eine Datei, die sich als eine einzige Spalte öffnet, ist fast nie kaputte Daten; sie ist eine Trennzeichen-Diskrepanz zwischen der Datei und der Tabellenkalkulation, und ein erneuter Import mit dem passenden Trennzeichen behebt sie. Die Konverterseite, das Python-Modul csv, jq und das Node-Skript oben setzen Anführungszeichen jeweils nach dem aktiven Trennzeichen, sodass ein Öffnen als eine Spalte ein Öffnungsproblem ist, kein Umwandlungsproblem.

Als fünfte Gewohnheit lohnt sich eine Sicherung der Quelle, bevor Sie überhaupt umwandeln: Kopieren Sie die JSON-Datei in einen Archivordner oder ein versioniertes Verzeichnis, bevor das Skript läuft. Dann können Sie jede Umwandlung wiederholen, ohne die Quelle erneut exportieren zu müssen, und ein versehentliches Überschreiben kostet nur einen erneuten Befehl statt einer erneuten Datenbeschaffung.

Fehlerbehebung bei lokalen Umwandlungen

Dieselben vier Probleme tauchen bei jeder lokalen Methode auf, und jedes hat eine Lösung. Datei nicht gefunden bedeutet, dass sich das Terminal in einem anderen Ordner befindet als die Datei; prüfen Sie zuerst den Pfad. Ungültiges JSON bedeutet, dass die Quelldatei nahe der gemeldeten Position kaputt ist, meist ein fehlendes Anführungszeichen oder ein Komma am Ende; validieren Sie sie und reparieren Sie die Quelle, weil kein Konverter kaputte Eingaben erraten sollte. Ein Öffnen als eine Spalte bedeutet eine Trennzeichen-Diskrepanz auf der Öffnungsseite; importieren Sie neu und wählen Sie das Trennzeichen, mit dem die Datei geschrieben wurde.

Verschachtelte Daten, die als unlesbarer JSON-Text in Zellen erscheinen, bedeuten, dass das Abflachen übersprungen wurde: Das kurze Python-Skript und der jq-Einzeiler flachen nicht ab, also nutzen Sie die Abflachungsvarianten oben oder die Konverterseite mit eingeschaltetem Abflachungsschalter. Spalten in einer anderen Reihenfolge als in der Datei bedeuten, dass ein Tool die Schlüssel sortiert hat; jq braucht keys_unsorted, und das Node-Skript bewahrt die Reihenfolge des ersten Auftretens. Ganz fehlende Zeilen bedeuten, dass der Zeilenfinder eine andere Liste gewählt hat als beabsichtigt, was bei verpackten API-Antworten passiert; zeigen Sie dem Tool auf die Liste selbst, oder entpacken Sie die Antwort zuerst.

Ein weiterer häufiger Fall ist die Kodierung: Umlaute oder Akzente, die in Excel als Zeichensalat erscheinen, deuten fast immer auf einen Import ohne UTF-8 hin, nicht auf eine kaputte Umwandlung. Importieren Sie die Datei als Textimport mit der Kodierung UTF-8, statt sie per Doppelklick zu öffnen, und prüfen Sie danach, ob die Sonderzeichen korrekt erscheinen. Bleibt das Problem nach einem korrekten UTF-8-Import bestehen, liegt der Fehler in der Quelle, nicht in der Umwandlung.

Weiterführende Anleitungen

Häufig gestellte Fragen

Was bedeutet es, JSON lokal in CSV umzuwandeln?

Es bedeutet, dass die Umwandlung auf dem eigenen Rechner läuft, statt auf einem Server. Das kann eine clientseitige Konverterseite sein, die in Ihrem Browser-Tab läuft, installierte Software wie VS Code oder Excel, oder ein Skript, das Sie selbst in Python, jq oder Node ausführen. In allen drei Fällen muss die Datei Ihren Computer nie verlassen.

Ist der Konverter auf dieser Seite lokal?

Ja. Fügen Sie JSON ein oder laden Sie es hoch, und die Umwandlung läuft in Ihrem Browser-Tab, wobei das Ergebnis als heruntergeladene Datei zurückgegeben wird. Sie können es prüfen, indem Sie die Netzwerkverbindung trennen und trotzdem umwandeln: Es funktioniert weiterhin. Der einzige Button, der das Netzwerk nutzt, ist der optionale Button zum Laden per URL, der JSON von einer Adresse lädt, die Sie eintippen.

Muss ich etwas installieren, um JSON lokal in CSV umzuwandeln?

Nein, wenn Sie die Konverterseite nutzen, die nichts Installiertes braucht. Wenn Sie ein wiederholbares Skript wollen, ist Python 3 auf den meisten Entwicklerrechnern bereits installiert, und allein seine Standardbibliothek reicht aus. jq und Node sind jeweils eine Installation, und beide laufen nach der Installation vollständig offline.

Welche lokale Methode ist für sensible Daten am besten?

Jede Methode, bei der Sie den Code sehen können, ist in Ordnung, aber ein kurzes Skript, das Sie selbst lesen, ist die stärkste Option, weil es nichts Verborgenes gibt, dem man vertrauen müsste. Lesen Sie das Skript, bevor Sie es auf sensible Daten anwenden, behalten Sie das ursprüngliche JSON, und bevorzugen Sie eine clientseitige Seite oder ein Skript gegenüber jedem Tool, das die Datei hochlädt.

Kann ich JSON lokal ohne Internet in CSV umwandeln?

Ja. Die Konverterseite funktioniert nach dem Laden offline, und Python, jq, Node, VS Code und Excel laufen alle vollständig offline. Der einzige Schritt, der eine Verbindung braucht, ist das Laden von JSON per URL, was optional ist und von der Umwandlung selbst getrennt ist.

Warum öffnet sich meine lokale CSV als eine einzige Spalte?

Das ist eine Trennzeichen-Diskrepanz auf der Öffnungsseite, keine kaputten Daten. Ihre Tabellenkalkulation hat die Datei an einem anderen Trennzeichen getrennt als dem, mit dem sie geschrieben wurde. Importieren Sie die Datei neu und wählen Sie das passende Trennzeichen, oder erzeugen Sie die CSV mit Semikolon oder Tab neu, und die Spalten erscheinen.

Gehen bei einer lokalen Umwandlung Informationen verloren?

Ja, dieselben Informationen, die jede Umwandlung verliert. Werte bleiben erhalten, aber Typen werden zu Text, verschachtelte Objekte werden zu Punktnotation-Spalten, und Listen werden zu verbundenen Zellen oder JSON-Text. Es gibt keinen Weg zurück zum ursprünglichen Baum, nur aus der CSV, also behalten Sie immer die ursprüngliche JSON-Datei.

Probieren Sie die lokale Methode jetzt aus

Fügen Sie beliebiges JSON in den Konverter auf dieser Seite ein und beobachten Sie, wie er in Ihrem Browser-Tab umwandelt, ohne Upload, ohne Anmeldung, nichts verlässt Ihren Rechner. Oder kopieren Sie das Python-Skript und führen Sie es auf Ihren eigenen Dateien aus.

Den JSON-zu-CSV-Konverter öffnen

Alle Anleitungen