Verschachtelte JSON-Daten einfach in CSV umwandeln

Florian Poullin
Florian Poullin
19 Min. Lesezeit
Verschachteltes JSON in CSV umwandeln
Verschachtelte JSON-Daten einfach in CSV umwandeln
Inhaltsverzeichnis
  1. Beispiel für eine verschachtelte JSON-Datei
  2. Verschachteltes JSON mit Datablist in CSV umwandeln
  3. Den richtigen Row Node auswählen
  4. Verschachtelte JSON-Objekte abflachen
  5. Arrays innerhalb von JSON-Zeilen verarbeiten
  6. CSV-Ausgabe konfigurieren
  7. CSV prüfen und herunterladen
  8. Erwartete CSV-Ausgabe
  9. Wann sich dieser Workflow eignet
  10. Probleme bei der JSON-zu-CSV-Konvertierung lösen
  11. Was im Browser passiert
  12. Fazit
  13. FAQ

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 $.results als Row Node. Danach kann ich Unternehmenskennzahlen abflachen und entscheiden, wie Arrays wie contacts und tags behandelt 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

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:

json
{
"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:

ZeileStruktur von WebsiteAnzahl KontakteStruktur von TagsUmsatz
0String2StringBetrag und Währung
1String2ArrayNull
2Array1ArrayNull

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.

Datablist-Converter für JSON zu CSV mit Optionen zum Einfügen und Hochladen
Datablist-Converter für JSON zu CSV mit Optionen zum Einfügen und 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.

Row-Node-Auswahl mit dem results-Array für die CSV-Zeilen
Row-Node-Auswahl mit dem results-Array für die CSV-Zeilen

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

$.results und $.results[].contacts sind 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:

  • $.results bedeutet ein Unternehmen oder einen Account pro Zeile.
  • $.results[].contacts würde 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-PfadAm besten geeignet, wenn
$.resultsDatensätze unter einem results-Key gespeichert sind
$.data.itemseine API die Datensätze in ein data-Objekt verpackt
$.payload.recordsWebhook- oder interne Exporte Datensätze unter payload bündeln
$.results[].contactsDu 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:

json
{
"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:

  • employees
  • amount
  • currency

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.

Erkannte Felder verschachtelter Objekte im JSON-zu-CSV-Converter
Erkannte Felder verschachtelter Objekte im JSON-zu-CSV-Converter

In diesem Beispiel flache ich folgende Felder ab:

  • metrics.employees wird zu employees
  • metrics.revenue.amount wird zu amount
  • metrics.revenue.currency wird zu currency
Einstellungen zum Abflachen verschachtelter Objekte für metrics- und revenue-Felder
Einstellungen zum Abflachen verschachtelter Objekte für metrics- und revenue-Felder

Die erwartete CSV auf Unternehmensebene sieht so aus:

CSV-SpalteQuellwert
idZeilen-ID
nameName des Unternehmens oder Accounts
websiteWebsite-Wert, verbundenes Array oder JSON-String – je nach Einstellung
contactsVerschachtelte Kontaktdaten beim Export eines Unternehmens pro Zeile
tagsVerbundene Labels oder ursprünglicher Text
employeesWert aus metrics.employees
amountWert aus metrics.revenue.amount
currencyWert aus metrics.revenue.currency
createdAtUrsprüngliches 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:

FeldEmpfohlene VerarbeitungWarum?
tagsWerte verbindenTags sind einfache Labels und funktionieren gut in einer Zelle
websiteWerte verbinden oder als JSON behaltenFür bessere Lesbarkeit verbinden; als JSON behalten, wenn unterschiedliche Strukturen relevant sind
contactsBei Unternehmenszeilen als JSON behaltenDie Kontaktobjekte besitzen eigene verschachtelte Felder
contactsFür Kontaktzeilen $.results[].contacts als Row Node verwendenBesser 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-SpalteQuellwert
nameName des Kontakts
emailsVerbundene E-Mail-Liste oder JSON-String
phonesVerbundene 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, amount und currency in 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?
CSV-Download nach Prüfung der konvertierten Tabelle
CSV-Download nach Prüfung der konvertierten Tabelle

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-SpalteJSON-Pfad innerhalb jeder ZeileErwarteter Wert
id$.idZeilen-ID
name$.nameName des Unternehmens oder Accounts
website$.websiteWebsite-String, verbundenes Array oder JSON-String
contacts$.contactsVerbundenes Kontakt-Array oder JSON-Kontakt-Array bei einem Unternehmen pro Zeile
tags$.tagsVerbundene Labels oder ursprünglicher String
employees$.metrics.employeesAnzahl der Mitarbeitenden
amount$.metrics.revenue.amountUmsatzbetrag, sofern vorhanden
currency$.metrics.revenue.currencyUmsatzwährung, sofern vorhanden
createdAt$.createdAtUrsprüngliches oder formatiertes Datum

Wenn Du $.results[].contacts auswählst, ändert sich die Ausgabe zu einem Kontakt pro Zeile.

CSV-SpalteJSON-Pfad innerhalb jedes KontaktsErwarteter Wert
name$.nameName des Kontakts
emails$.emailsVerbundene E-Mail-Liste oder JSON-String
phones$.phonesVerbundene 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.

FAQ

Wie kann ich verschachteltes JSON in CSV umwandeln?

Verwende einen Converter, bei dem Du das JSON-Array für die Zeilen auswählen kannst. In Datablist fügst Du das JSON ein oder lädst es hoch, wählst den Row Node aus, flachst nützliche verschachtelte Objektfelder ab, konfigurierst die Array-Verarbeitung, prüfst die Tabellenvorschau und lädst die CSV herunter.

Kann ich Datensätze unter results in CSV umwandeln?

Ja. Wähle $.results als Row Node aus, wenn jedes Element unter results zu einer CSV-Zeile werden soll.

Wie konvertiere ich data.items oder payload.records in CSV?

Wähle $.data.items oder $.payload.records als Row Node aus, wenn dieser Pfad die Objekte enthält, die als Zeilen ausgegeben werden sollen. Der genaue Pfad hängt von der JSON-Struktur ab.

Wie flache ich verschachtelte JSON-Felder in CSV-Spalten ab?

Aktiviere das Abflachen für Pfade verschachtelter Objekte wie metrics.revenue. Prüfe anschließend vor dem Export die erzeugten Spalten in der Vorschau.

Wie sollte ich Arrays in JSON-Zeilen verarbeiten?

Verbinde einfache Listen wie Tags, behalte strukturierte Arrays als JSON-Strings, wenn ihre Struktur erhalten bleiben soll, oder wähle einen tieferen Row Node aus, wenn jedes Array-Element eine eigene Zeile bilden soll.

Kann ich eine große JSON-Datei online in CSV umwandeln?

Ja, sofern Dein Browser und Dein Gerät die Datei verarbeiten können. Datablist nutzt einen Web Worker für Parsing und Konvertierung, bei sehr großen Dateien bleibt die lokale Leistung jedoch entscheidend.

Ist ein Online-Converter für private JSON-Daten sicher?

Der Converter von Datablist verarbeitet die Datei lokal in Deinem Browser, statt sie zur Konvertierung an die Server von Datablist zu senden. Trotzdem solltest Du die Richtlinien Deiner Organisation zum Umgang mit Daten befolgen.

Was ist ein Row Node bei der JSON-zu-CSV-Konvertierung?

Ein Row Node ist das JSON-Array, dessen Elemente zu CSV-Zeilen werden. $.results erstellt beispielsweise für jedes Objekt im Array results eine CSV-Zeile.

Was passiert bei $.results[].contacts statt $.results?

Die CSV enthält dann einen Kontakt pro Zeile statt eines Unternehmens oder Accounts. Felder des übergeordneten Unternehmens werden nicht automatisch übernommen, sofern das Tool diese Funktion nicht später ergänzt.

Was sollte ich nach dem CSV-Export tun?

Öffne die Datei in Datablist oder einer anderen Tabellenkalkulation, um sie zu bereinigen, zu filtern, zu deduplizieren, anzureichern, zu übersetzen oder in ein anderes System zu importieren. Enthalten die exportierten Spalten Unix-Zeitstempel, hilft Dir die Anleitung zur Konvertierung von CSV-Zeitstempeln, die Einheiten zu prüfen und den Quellwert zu erhalten.

Übergeordnete IDs beim Kontaktexport beibehalten

Wenn Du $.results[].contacts auswählst, werden Kontaktobjekte zu Zeilen. Die ID, der Name oder die Domain des übergeordneten Unternehmens werden dabei nicht automatisch in jeden Kontakt kopiert. Hat ein Unternehmen mit der ID C-101 beispielsweise zwei Kontakte, entstehen zwei Kontaktzeilen. Keine davon erhält jedoch company_id = C-101, sofern dieser Wert nicht bereits in den Kontaktobjekten vorhanden ist.

Benötigt Dein CRM-Import diese Beziehung, prüfe vor dem Download in der Kontaktvorschau, ob eine Unternehmens-ID vorhanden ist. Fordere einen API-Export an, der die übergeordnete ID in jedem Kontakt enthält, oder strukturiere das JSON vor der Konvertierung entsprechend um. Bewahre das ursprüngliche JSON auf, damit Du die Beziehung wiederherstellen kannst, falls sie in der exportierten CSV fehlt. Das Verbinden von Unternehmensnamen in einer Zelle erzeugt keinen zuverlässigen Fremdschlüssel.

Ich würde zuerst festlegen, wofür eine Zeile steht: für ein Unternehmen oder für einen Kontakt. Behalte Arrays als JSON bei, wenn ihre Struktur erhalten bleiben muss. Verwende verbundenen Text nur, wenn das Ziel-Tool eine Liste in einer einzigen Zelle erwartet. Prüfe vor dem Import ein Unternehmen mit mehreren Kontakten sowie eines ohne Kontakte, um Fehler bei der Zeilenanzahl oder verlorene Beziehungen zu erkennen.