Um verschachtelte JSON-Daten in CSV umzuwandeln, brauchst Du einen Online-Converter für JSON zu CSV, bei dem Du auswählen kannst, welches JSON-Array zu den CSV-Zeilen wird. Diese Entscheidung ist wichtiger, als viele denken. Echte JSON-Exporte beginnen oft mit Metadaten, Angaben zur Seitennummerierung oder Wrapper-Objekten. Die benötigten Datensätze liegen dagegen unter einem Pfad wie results, data.items oder payload.records.
Für mich besteht die Konvertierung von JSON zu CSV im Wesentlichen aus drei Entscheidungen:
- Welches Array soll zu Zeilen werden?
- Welche Felder aus verschachtelten Objekten sollen zu Spalten werden?
- Welche Arrays sollen verbunden, als JSON beibehalten oder in eigene Zeilen aufgeteilt werden?
Sobald diese Fragen geklärt sind, folgt ein ganz normaler CSV-Workflow: Du prüfst die Vorschau und die Spalten und lädst anschließend eine CSV-Datei herunter, die Du in einer Tabellenkalkulation, einem CRM, einem BI-Tool oder einem Workflow zur Datenbereinigung verwenden kannst.
📌 Die Kurzfassung
Lege zuerst fest, wofür eine einzelne CSV-Zeile stehen soll. In diesem Beispiel möchte ich ein Unternehmen pro Zeile, daher verwende ich
$.resultsals Row Node. Danach kann ich Unternehmenskennzahlen abflachen und entscheiden, wie Arrays wiecontactsundtagsbehandelt werden sollen.
In diesem Guide verwende ich einen verschachtelten JSON-Export mit 20.000 Unternehmensdatensätzen unter results. Derselbe Workflow eignet sich für API-Antworten, Scraping-Ergebnisse, Webhook-Logs, CRM-Exporte und Marketplace-Daten, bei denen die relevanten Datensätze nicht auf der Root-Ebene des JSON-Dokuments liegen.
Direktlinks:
- Beispiel für eine verschachtelte JSON-Datei
- Verschachteltes JSON mit Datablist in CSV umwandeln
- Den richtigen Row Node auswählen
- Verschachtelte JSON-Objekte abflachen
- Arrays innerhalb von JSON-Zeilen verarbeiten
- CSV prüfen und herunterladen
Beispiel für eine verschachtelte JSON-Datei
Stell Dir für dieses Beispiel einen großen JSON-Export aus einer API oder einem Scraping-Tool vor. Die Datei ist etwa 8,8 MB groß und enthält 20.000 Datensätze in einem results-Array auf oberster Ebene.
Das Root-Objekt sieht so aus:
{
"meta": {
"generatedAt": "2026-07-04T10:00:00Z",
"source": "stress_test"
},
"results": [
{
"id": 0,
"name": "NbDXeG4Gyg",
"website": "https://example-0.com",
"contacts": [
{
"name": "Ava Martin",
"emails": [
"ava@example-0.com"
],
"phones": [
"+1 555 0100"
]
},
{
"name": "Noah Lee",
"emails": [
"noah@example-0.com"
],
"phones": []
}
],
"tags": "enterprise",
"metrics": {
"employees": 124,
"revenue": {
"amount": 476171,
"currency": "USD"
}
},
"createdAt": "2026-06-25T09:12:00Z"
},
{
"id": 1,
"name": "DwwGmkzmBi",
"website": "https://example-1.com",
"contacts": [
{
"name": "Mia Chen",
"emails": [
"mia@example-1.com"
],
"phones": [
"+1 555 0101"
]
}
],
"tags": [
"saas",
"mid-market"
],
"metrics": {
"employees": 47,
"revenue": null
},
"createdAt": "2026-06-26T14:33:00Z"
}
]
}Bei solchen Dateien stoßen einfache Converter schnell an ihre Grenzen. Die Datensätze bilden nicht das Root-Objekt, sondern liegen innerhalb von results. Außerdem enthalten sie verschachtelte Objekte und Arrays, gemischte String- und Array-Werte, Nullwerte und Datumsangaben.
🔍 Warum sich diese Datei gut als Test eignet
Ein flaches JSON-Array deckt nur den einfachen Fall ab. Diese Datei testet die Entscheidungen, auf die es bei echten Exporten ankommt: Wrapper-Metadaten, ein verschachteltes Datensatz-Array, Objektfelder, Array-Felder, gemischte Werte und Nullwerte.
So sind die ersten Zeilen aufgebaut:
| Zeile | Struktur von Website | Anzahl Kontakte | Struktur von Tags | Umsatz |
|---|---|---|---|---|
| 0 | String | 2 | String | Betrag und Währung |
| 1 | String | 2 | Array | Null |
| 2 | Array | 1 | Array | Null |
Die Ziel-CSV soll ein Unternehmen pro Zeile enthalten. Nützliche Felder wie id, name, website, employees, amount, currency und createdAt sollen als Spalten ausgegeben werden. Bei Feldern wie contacts und tags muss ich entscheiden, wie viel von ihrer Struktur erhalten bleiben soll.
Verschachteltes JSON mit Datablist in CSV umwandeln
Öffne den JSON-Converter von Datablist. Du kannst JSON in den Editor einfügen oder eine .json-Datei hochladen.
Bei einer kleinen API-Antwort reicht das Einfügen aus. Bei einem größeren Export lade ich lieber die Datei hoch, damit beim Kopieren und Einfügen nicht versehentlich Inhalte abgeschnitten werden. Der Dateiinhalt wird im Browser gelesen und lokal in Deinem Browser konvertiert, statt zur Verarbeitung an die Server von Datablist gesendet zu werden.
Nach dem Laden analysiert Datablist die JSON-Struktur und sucht nach Arrays aus Objekten. Dabei werden sowohl Arrays als auch Objekte als JSON-Root akzeptiert. Anschließend prüft Datablist verschachtelte Pfade wie $.results, $.data.items oder noch tiefer liegende Arrays.
Wenn die Datei schwer zu durchschauen ist, öffne ich das JSON manchmal zuerst in JSONCrack. Dort siehst Du einen visuellen Baum, mit dem Du das Array finden kannst, das zu Zeilen werden soll. Das ist optional, aber hilfreich, wenn die Datei mehrere mögliche Arrays enthält.
In diesem Beispiel lautet der richtige Row Node:
$.results
Ich wähle $.results, weil ich ein Unternehmen pro Zeile erhalten möchte. Jedes Element in diesem Array wird zu einer CSV-Zeile.
Datablist kann einen Row Node empfehlen, trotzdem prüfe ich ihn immer manuell. An dieser Stelle passieren die meisten Konvertierungsfehler. Eine JSON-Datei kann ein übergeordnetes Array mit Unternehmen, ein untergeordnetes Array mit Kontakten und ein weiteres untergeordnetes Array mit Tags oder Events enthalten. All das sind Arrays, aber nur eines davon entspricht der gewünschten CSV.
⚠️ Ein anderer Row Node verändert den Datensatz
$.resultsund$.results[].contactssind beide gültige Row Nodes, erzeugen aber nicht dieselbe CSV. Wähle das übergeordnete Array für Account-Zeilen. Wähle das untergeordnete Array, wenn dessen verschachtelte Elemente den eigentlichen Datensatz bilden.
Für diesen Artikel behalte ich den übergeordneten Row Node bei:
$.resultsbedeutet ein Unternehmen oder einen Account pro Zeile.$.results[].contactswürde einen Kontakt pro Zeile bedeuten.
Die zweite Option kann ebenfalls richtig sein, verändert aber die Ausgabe. Eine CSV auf Kontaktebene ist sinnvoll, wenn Du eine Personenliste brauchst. Eine CSV auf Unternehmensebene eignet sich besser, um Accounts zu bereinigen, Unternehmen anzureichern, Datensätze in ein CRM zu importieren oder Kennzahlen zu prüfen.
Den richtigen Row Node auswählen
Ein Row Node ist das JSON-Array, dessen Elemente zu CSV-Zeilen werden.
Typische Beispiele sehen so aus:
| JSON-Pfad | Am besten geeignet, wenn |
|---|---|
$.results | Datensätze unter einem results-Key gespeichert sind |
$.data.items | eine API die Datensätze in ein data-Objekt verpackt |
$.payload.records | Webhook- oder interne Exporte Datensätze unter payload bündeln |
$.results[].contacts | Du einen verschachtelten Kontakt pro Zeile möchtest |
Vor der Auswahl stelle ich mir immer eine Frage: Wofür soll eine Zeile stehen?
Soll eine Zeile ein Unternehmen, einen Account, eine Bestellung, ein Produkt, ein Listing oder ein Event darstellen, wählst Du das übergeordnete Array. Soll eine Zeile dagegen für einen Kontakt, eine E-Mail-Adresse, eine Bestellposition, einen Preis, einen Kommentar oder ein untergeordnetes Event stehen, wählst Du das untergeordnete Array.
Das klingt simpel, verändert aber die gesamte CSV.
Mit $.results bleibt der Unternehmenskontext in der CSV erhalten. Das Feld contacts bleibt als verschachtelter Wert in der Unternehmenszeile, sofern Du die Kontakte nicht separat verarbeitest. Mit $.results[].contacts wird die CSV zu einer Kontaktliste. Felder des übergeordneten Unternehmens werden jedoch nicht automatisch übernommen, solange der Converter diese Funktion nicht in einer zukünftigen Version ergänzt.
Standardmäßig beginne ich mit dem übergeordneten Array. Das ergibt einen sichereren ersten Export, weil ich die verschachtelten Arrays anschließend immer noch prüfen kann. Zu einem untergeordneten Array wechsle ich nur, wenn dessen Elemente der eigentliche Datensatz sind.
Verschachtelte JSON-Objekte abflachen
Bei verschachtelten Objekten muss ein CSV-Converter mehr leisten als eine einfache Dateiumwandlung.
In der Beispieldatei ist metrics ein Objekt:
{
"metrics": {
"employees": 124,
"revenue": {
"amount": 476171,
"currency": "USD"
}
}
}In einer Tabellenkalkulation möchte ich keine einzelne metrics-Zelle, die ein JSON-Objekt enthält. Ich brauche Spalten, die sich filtern und sortieren lassen:
employeesamountcurrency
Datablist erkennt Pfade zu verschachtelten Objekten und lässt Dich auswählen, welche davon abgeflacht werden sollen. Sinnvolle skalare Felder flache ich ab, weil sie sich in CSV-Tools besser verarbeiten lassen.
In diesem Beispiel flache ich folgende Felder ab:
metrics.employeeswird zuemployeesmetrics.revenue.amountwird zuamountmetrics.revenue.currencywird zucurrency
Die erwartete CSV auf Unternehmensebene sieht so aus:
| CSV-Spalte | Quellwert |
|---|---|
id | Zeilen-ID |
name | Name des Unternehmens oder Accounts |
website | Website-Wert, verbundenes Array oder JSON-String – je nach Einstellung |
contacts | Verschachtelte Kontaktdaten beim Export eines Unternehmens pro Zeile |
tags | Verbundene Labels oder ursprünglicher Text |
employees | Wert aus metrics.employees |
amount | Wert aus metrics.revenue.amount |
currency | Wert aus metrics.revenue.currency |
createdAt | Ursprüngliches oder formatiertes Datum |
Beim ersten Export bevorzuge ich gut lesbare Spaltennamen. Wenn gleichnamige Felder in verschiedenen Objekten vorkommen, solltest Du vor dem Download die Vorschau prüfen. billing.amount und revenue.amount sollten zum Beispiel nicht ohne Kontrolle beide in einer mehrdeutigen Spalte namens amount landen.
💡 Meine Standardeinstellung fürs Abflachen
Flache skalare Felder ab, die Du filtern, sortieren oder als Spalten importieren möchtest. Behalte strukturierte Objekte oder Arrays als JSON bei, wenn durch das Abflachen ihre Bedeutung verloren ginge oder unleserliche Zellen entstünden.
Arrays innerhalb von JSON-Zeilen verarbeiten
Arrays erfordern eine eigene Entscheidung: CSV-Zellen enthalten Text, während JSON-Arrays ganz unterschiedliche Bedeutungen haben können.
Eine Liste mit Tags ist nicht dasselbe wie eine Kontaktliste. Eine Liste mit E-Mail-Adressen ist nicht mit einer Liste von Bestellpositionen vergleichbar. Deshalb verwende ich keine einheitliche Regel für Arrays mit unterschiedlicher Bedeutung.
Für die Beispieldatei würde ich diese Einstellungen verwenden:
| Feld | Empfohlene Verarbeitung | Warum? |
|---|---|---|
tags | Werte verbinden | Tags sind einfache Labels und funktionieren gut in einer Zelle |
website | Werte verbinden oder als JSON behalten | Für bessere Lesbarkeit verbinden; als JSON behalten, wenn unterschiedliche Strukturen relevant sind |
contacts | Bei Unternehmenszeilen als JSON behalten | Die Kontaktobjekte besitzen eigene verschachtelte Felder |
contacts | Für Kontaktzeilen $.results[].contacts als Row Node verwenden | Besser geeignet, wenn die Kontaktliste die eigentliche Ausgabe ist |
Datablist unterstützt Optionen für Arrays, mit denen Du Werte verbinden, Arrays als JSON-Strings behalten, nur das erste Element übernehmen oder jedes Feld individuell behandeln kannst.
Meine Standardregeln sind einfach:
- Verbinde einfache Arrays wie Tags.
- Behalte strukturierte Arrays als JSON-Strings, wenn ihre Struktur erhalten bleiben soll.
- Übernimm nur dann das erste Element, wenn es eine eindeutige Bedeutung hat, etwa als primäre E-Mail-Adresse.
- Ändere den Row Node, wenn jedes Array-Element eine eigene Zeile verdient.
Beim Unternehmensexport behalte ich contacts als strukturierten Wert bei, weil jeder Kontakt einen Namen, E-Mail-Adressen und Telefonnummern enthält. Das Abflachen in eine einzige Zelle würde die CSV unübersichtlich machen, während die Beschränkung auf den ersten Kontakt Datenverlust verursachen würde.
Für einen Kontaktexport würde ich stattdessen $.results[].contacts auswählen. Die CSV enthielte dann Spalten auf Kontaktebene wie diese:
| CSV-Spalte | Quellwert |
|---|---|
name | Name des Kontakts |
emails | Verbundene E-Mail-Liste oder JSON-String |
phones | Verbundene Telefonnummernliste oder JSON-String |
Der Nachteil ist der fehlende Kontext. Ein Unternehmensexport erhält die vollständige Unternehmenszeile. Ein Kontaktexport konzentriert sich auf Personen, übernimmt die Felder des übergeordneten Unternehmens aber nicht automatisch in jede Kontaktzeile, solange das Tool dies nicht in einer späteren Version unterstützt.
CSV-Ausgabe konfigurieren
Wenn Row Node, Abflachung und Array-Einstellungen stimmen, konfigurierst Du die CSV-Ausgabe.
Ich beginne meistens mit diesen Einstellungen:
- Trennzeichen: Komma für Standard-CSV.
- Kopfzeile: aktiviert.
- Datumsformat: Original beibehalten, sofern die Zielanwendung kein besser lesbares Datum benötigt.
Verwende ein Semikolon als Trennzeichen, wenn Deine Tabellenkalkulation oder Deine Regionseinstellungen semikolongetrennte Dateien erwarten. Das ist besonders bei europäischen Tabellenkalkulationen relevant, weil dort häufig das Komma als Dezimaltrennzeichen verwendet wird.
Beim ersten Export behalte ich das Datumsformat der Quelldatei am liebsten bei. ISO-Zeitstempel lassen sich später leicht verarbeiten und bewahren Angaben zur Zeitzone. Ist die CSV für ein nicht technisches Teammitglied gedacht, kann ein formatiertes Datum die Lesbarkeit verbessern.
Prüfe vor dem Download beide Vorschauen:
- In der Tabellenvorschau kannst Du Zeilen und Spalten kontrollieren.
- In der Rohdatenvorschau der CSV siehst Du Trennzeichen, Anführungszeichen und Zeilenumbrüche.
🔑 Vor dem Export immer die Vorschau prüfen
In der Vorschau erkennst Du einen falschen Row Node, fehlende Spalten, unübersichtliche Arrays und ungeeignete Trennzeichen. Lieber investiere ich dort 30 Sekunden, als später einen fehlerhaften CRM- oder Tabellenimport zu reparieren.
Bei Arrays oder mehrzeiligem Text kontrolliere ich zusätzlich immer die CSV-Rohdatenvorschau. Das dauert nur wenige Sekunden und deckt überraschend viele Importprobleme auf.
CSV prüfen und herunterladen
Vor dem Download gehe ich diese Checkliste durch:
- Passt die Anzahl der Zeilen zum ausgewählten Row Node?
- Stellen die Zeilen die gewünschte Entität dar?
- Wurden
employees,amountundcurrencyin sinnvolle Spalten aufgeteilt? - Sind Arrays lesbar oder als JSON erhalten, wenn ihre Struktur wichtig ist?
- Sind Nullwerte beim Umsatz leer oder für den nächsten Schritt eindeutig genug?
- Eignen sich die Datumswerte für die Tabellenkalkulation oder das Import-Tool?
- Verwendet die CSV-Rohdatenvorschau das erwartete Trennzeichen?
Anschließend lädst Du die CSV herunter. Beim Upload einer Datei kann der Name der heruntergeladenen Datei vom Namen der Quelldatei abgeleitet werden. So lässt sich leichter nachvollziehen, woher die CSV stammt.
Öffne die exportierte Datei danach im CSV editor von Datablist, in Excel, Google Sheets oder Deinem nächsten Datentool. In Datablist kannst Du direkt mit Bereinigung, Filterung, Deduplizierung, Enrichment oder Übersetzung weitermachen. Wenn Du mehrere Exporte erstellst, kannst Du zwei CSV-Dateien vergleichen. Ist die Datei für ein anderes Tool zu groß, kannst Du die CSV in kleinere Dateien aufteilen.
Erwartete CSV-Ausgabe
Wenn Du $.results auswählst, enthält die primäre Ausgabe ein Unternehmen oder einen Account pro Zeile.
| CSV-Spalte | JSON-Pfad innerhalb jeder Zeile | Erwarteter Wert |
|---|---|---|
id | $.id | Zeilen-ID |
name | $.name | Name des Unternehmens oder Accounts |
website | $.website | Website-String, verbundenes Array oder JSON-String |
contacts | $.contacts | Verbundenes Kontakt-Array oder JSON-Kontakt-Array bei einem Unternehmen pro Zeile |
tags | $.tags | Verbundene Labels oder ursprünglicher String |
employees | $.metrics.employees | Anzahl der Mitarbeitenden |
amount | $.metrics.revenue.amount | Umsatzbetrag, sofern vorhanden |
currency | $.metrics.revenue.currency | Umsatzwährung, sofern vorhanden |
createdAt | $.createdAt | Ursprüngliches oder formatiertes Datum |
Wenn Du $.results[].contacts auswählst, ändert sich die Ausgabe zu einem Kontakt pro Zeile.
| CSV-Spalte | JSON-Pfad innerhalb jedes Kontakts | Erwarteter Wert |
|---|---|---|
name | $.name | Name des Kontakts |
emails | $.emails | Verbundene E-Mail-Liste oder JSON-String |
phones | $.phones | Verbundene Telefonnummernliste oder JSON-String |
Beide Exporte sind korrekt. Sie beantworten jedoch unterschiedliche Fragen.
Nutze den Export auf Unternehmensebene, wenn Du Accounts bereinigen, firmografische Daten prüfen, Unternehmensdatensätze anreichern oder CRM-Importe vorbereiten möchtest. Der Export auf Kontaktebene eignet sich, wenn die Personen den eigentlichen Zieldatensatz bilden.
Wann sich dieser Workflow eignet
Dieser Workflow ist immer dann sinnvoll, wenn JSON das Quellformat und CSV das Arbeitsformat ist.
Typische Beispiele:
- API-Antworten mit Metadaten, Seitennummerierung und einem verschachtelten
results-Array. - Ergebnisse von API-basiertem Scraping mit Listings, Produkten, Kontakten oder Events.
- CRM- und RevOps-Exporte, in denen Unternehmen Kontakte, Tags, Kennzahlen und benutzerdefinierte Felder enthalten.
- Marketplace- oder Produktkatalog-Exporte mit Varianten, Preisen, Kategorien und Lieferanten.
- Webhook-Logs, bei denen Events unter einem Payload verschachtelt sind.
- Lokalisierungs-Workflows, bei denen Du die resultierende CSV übersetzen möchtest.
Das Muster bleibt immer gleich: Finde das Array, das die Zeilen darstellen soll, flache die benötigten Objektfelder ab, entscheide über die Verarbeitung von Arrays und prüfe vor dem Export die Vorschau.
Probleme bei der JSON-zu-CSV-Konvertierung lösen
Wenn das JSON ungültig ist, prüfe zuerst die Quelldatei. Fehlende Kommas, mitkopierte Konsolen-Logs, zusätzlicher Text am Dateiende, unvollständige Downloads und nicht maskierte Anführungszeichen können das Parsing verhindern. Ich validiere die Datei normalerweise, bevor ich Konvertierungseinstellungen ändere, denn ungültiges JSON muss an der Quelle korrigiert werden.
Wird kein Row Node gefunden, enthält die Datei möglicherweise kein Array aus Objekten. Ein einzelnes Objekt mit ausschließlich skalaren Feldern reicht für diesen Workflow nicht aus. Primitive Root-Werte, Strings, Zahlen und Einzelwerte ergeben keine brauchbaren CSV-Zeilen.
Eine korrekte Zeilenanzahl garantiert nicht, dass jedes Feld zu einer Spalte geworden ist. Datablist ermittelt die Spalten anhand der ersten 50 Datensätze des ausgewählten Row Nodes; die Tabellenvorschau zeigt bis zu 100 Zeilen. Wenn beispielsweise nur Datensatz 51 das Feld optional_note enthält, kann die CSV alle 51 Zeilen enthalten, dieses Feld aber vollständig auslassen.
Prüfe die Quelldatei auf Felder, die erst in späteren Datensätzen vorkommen, und vergleiche sie mit den Spaltenüberschriften der Ausgabe. Verschiebe beim genannten Beispiel den Datensatz mit optional_note in einer Kopie der JSON-Datei unter die ersten 50 Datensätze, ohne seine ID oder Werte zu ändern. Konvertiere die Datei erneut und kontrolliere, ob die Spaltenüberschrift erscheint und die Notiz aus Datensatz 51 in der heruntergeladenen CSV erhalten bleibt. Da sich durch das Umsortieren die Zeilenfolge ändert, solltest Du die Ergebnisse anhand der IDs vergleichen und das ursprüngliche JSON aufbewahren. Bei stärker variierenden Schemas müssen die ersten 50 Datensätze vor dem Export alle benötigten Felder abdecken.
Erscheinen in der Vorschau die falschen Zeilen, ändere den ausgewählten Row Node. Meist hat der Converter dann zwar ein Array gefunden, aber nicht das gewünschte. Suche nach dem Pfad, unter dem die Datensätze liegen, etwa $.results, $.data.items oder $.payload.records.
Sind Kontakte, Tags, Bestellpositionen oder Events schwer lesbar, passe die Array-Verarbeitung an. Verbinde einfache Listen. Behalte strukturierte Arrays als JSON bei, wenn Details erhalten bleiben sollen. Wechsle zu einem untergeordneten Row Node, wenn jedes verschachtelte Element eine eigene Zeile bilden soll.
Wenn die Verarbeitung einer großen Datei langsam wirkt, solltest Du bedenken, dass Browser und Gerät weiterhin eine Rolle spielen. Datablist führt Parsing und Konvertierung in einem Web Worker aus, sodass diese Arbeit nicht im Haupt-Thread der Benutzeroberfläche läuft. Dein lokaler Arbeitsspeicher und Deine CPU setzen trotzdem praktische Grenzen.
Lässt sich die CSV in einem anderen Tool nicht korrekt importieren, probiere ein anderes Trennzeichen aus, lasse die Kopfzeile aktiviert und prüfe die CSV-Rohdatenvorschau. Anführungszeichen und Zeilenumbrüche können relevant sein, wenn JSON-Werte Text, Arrays oder verschachtelte Objekte enthalten.
Was im Browser passiert
Datablist parst und konvertiert das JSON in einem Browser Worker. Dieser analysiert mögliche Row Nodes, speichert das geparste Objekt im Cache, konvertiert den ausgewählten Node in CSV und gibt Vorschau und Ergebnis an die Benutzeroberfläche zurück.
Das ist aus zwei Gründen wichtig.
Erstens läuft die Konvertierung nicht im Haupt-Thread der Benutzeroberfläche. Dadurch bleibt die Seite während der Dateianalyse bedienbar.
Zweitens erfolgt die Verarbeitung lokal in Deinem Browser. Die Datei wird zur Konvertierung nicht an die Server von Datablist gesendet. Das ist hilfreich, wenn Du API-Exporte, Scraping-Ergebnisse oder interne Datendateien verarbeitest und sie nicht zu einem serverseitigen Converter hochladen möchtest.
Trotzdem solltest Du die üblichen Regeln Deines Unternehmens zum Umgang mit Daten einhalten. Die lokale Verarbeitung im Browser ist hilfreich, ersetzt aber nicht die Datenschutz- und Compliance-Richtlinien Deines Unternehmens.
Fazit
Bei der Konvertierung von verschachteltem JSON in CSV kommt es vor allem auf den richtigen Row Node an. Sobald Du das Array ausgewählt hast, dessen Elemente zu Zeilen werden sollen, wird der Rest deutlich einfacher.
Für die Beispieldatei erzeugt $.results ein Unternehmen pro Zeile. Durch das Abflachen von metrics.employees, metrics.revenue.amount und metrics.revenue.currency entstehen nützliche Spalten für Tabellenkalkulationen. Die Array-Einstellungen bestimmen, ob Felder wie tags, website und contacts als lesbarer Text, erhaltenes JSON oder separater Export auf Kontaktebene ausgegeben werden.
Öffne den JSON-zu-CSV-Converter, lade einen verschachtelten JSON-Export hoch, wähle den Row Node aus, prüfe die Vorschau und lade die CSV herunter. Anschließend kannst Du die exportierte Datei im CSV editor von Datablist öffnen, um sie zu bereinigen, zu filtern, zu deduplizieren, anzureichern oder zu übersetzen.






