Convertir un JSON imbriqué en CSV facilement en ligne

Florian Poullin
Florian Poullin
22 min de lecture
Convertissez un JSON imbriqué en CSV
Convertir un JSON imbriqué en CSV facilement en ligne
Table des matières
  1. Exemple de fichier JSON imbriqué
  2. Convertir un JSON imbriqué en CSV avec Datablist
  3. Choisir le bon nœud de lignes
  4. Aplatir les objets JSON imbriqués
  5. Gérer les tableaux dans les lignes JSON
  6. Configurer les options de sortie CSV
  7. Vérifier et télécharger le CSV
  8. Résultat CSV attendu
  9. Quand utiliser ce workflow
  10. Résoudre les problèmes de conversion JSON vers CSV
  11. Ce qui se passe dans le navigateur
  12. Conclusion
  13. FAQ

Pour convertir un JSON imbriqué en CSV, utilisez un convertisseur JSON vers CSV en ligne qui vous permet de choisir quel tableau JSON deviendra les lignes du CSV. Ce choix est bien plus important qu’il n’y paraît. Les exports JSON réels commencent souvent par des métadonnées, des informations de pagination ou des objets enveloppes, tandis que les données utiles se trouvent dans un chemin comme results, data.items ou payload.records.

J’aborde généralement la conversion JSON vers CSV à travers trois décisions :

  • Quel tableau doit devenir les lignes ?
  • Quels champs d’objets imbriqués doivent devenir des colonnes ?
  • Quels tableaux faut-il concaténer, conserver au format JSON ou développer en lignes distinctes ?

Une fois ces questions réglées, vous retrouvez un workflow CSV classique : prévisualiser le résultat, vérifier les colonnes, puis télécharger un fichier CSV compatible avec un tableur, un CRM, un outil de BI ou un processus de nettoyage de données.

📌 En bref

Commencez par définir ce que doit représenter une ligne du CSV. Dans cet exemple, je veux une entreprise par ligne : le nœud de lignes sera donc $.results. Je peux ensuite aplatir les métriques de l’entreprise et décider comment traiter des tableaux comme contacts et tags.

Dans ce guide, j’utiliserai un export JSON imbriqué contenant 20 000 entreprises sous results. Le même workflow convient aux réponses d’API, aux résultats de scraping, aux logs de webhooks, aux exports CRM et aux données de marketplaces lorsque les enregistrements utiles ne se trouvent pas à la racine du JSON.

Accès rapide :

Exemple de fichier JSON imbriqué

Pour cet exemple, imaginez un export JSON volumineux provenant d’une API ou d’un outil de scraping. Le fichier pèse environ 8,8 Mo et contient 20 000 enregistrements dans un tableau results de premier niveau.

L’objet racine se présente ainsi :

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"
}
]
}

C’est typiquement le genre de fichier qui met les convertisseurs basiques en difficulté. Les enregistrements ne correspondent pas à l’objet racine : ils se trouvent dans results. Ils contiennent également des objets et tableaux imbriqués, des valeurs mêlant chaînes de caractères et tableaux, des valeurs nulles et des dates.

🔍 Pourquoi ce fichier constitue un bon test

Un simple tableau JSON plat ne teste que le cas le plus facile. Ce fichier couvre les choix qui comptent vraiment dans les exports réels : métadonnées d’enveloppe, tableau d’enregistrements imbriqué, champs objets, champs tableaux, valeurs mixtes et valeurs nulles.

Voici la structure des premières lignes :

LigneFormat de WebsiteNombre de contactsFormat de TagsChiffre d’affaires
0Chaîne2ChaîneMontant et devise
1Chaîne2TableauNull
2Tableau1TableauNull

Le CSV cible doit contenir une entreprise par ligne. Je veux transformer en colonnes les champs utiles tels que id, name, website, employees, amount, currency et createdAt. Pour des champs comme contacts et tags, je dois choisir quelle part de leur structure conserver.

Convertir un JSON imbriqué en CSV avec Datablist

Ouvrez le convertisseur JSON de Datablist. Vous pouvez coller votre JSON dans l’éditeur ou importer un fichier .json.

Convertisseur JSON vers CSV de Datablist avec les options de collage et d’import
Convertisseur JSON vers CSV de Datablist avec les options de collage et d’import

Pour une petite réponse d’API, le copier-coller convient très bien. Pour un export plus volumineux, je préfère importer le fichier afin d’éviter toute troncature accidentelle. Son contenu est lu dans le navigateur et la conversion s’effectue localement, sans envoi aux serveurs de Datablist.

Une fois le JSON chargé, Datablist analyse sa structure et recherche les tableaux d’objets. L’outil accepte aussi bien les tableaux que les objets à la racine, puis inspecte des chemins imbriqués comme $.results, $.data.items ou des tableaux encore plus profonds.

Lorsque le fichier est difficile à comprendre, il m’arrive de l’ouvrir d’abord dans JSONCrack. Son arborescence visuelle aide à repérer le tableau qui doit devenir les lignes. Cette étape reste facultative, mais elle est utile si le fichier contient plusieurs tableaux candidats.

Dans cet exemple, le bon nœud de lignes est :

$.results

Je choisis $.results parce que je veux une entreprise par ligne. Chaque élément de ce tableau devient une ligne du CSV.

Sélecteur de nœud de lignes affichant le tableau results pour les lignes du CSV
Sélecteur de nœud de lignes affichant le tableau results pour les lignes du CSV

Datablist peut recommander un nœud de lignes, mais je le vérifie toujours manuellement. C’est à cette étape que surviennent la plupart des erreurs de conversion. Un fichier JSON peut contenir un tableau parent d’entreprises, un tableau enfant de contacts et un autre tableau enfant de tags ou d’événements. Ce sont tous des tableaux, mais un seul correspond au CSV recherché.

⚠️ Changer de nœud de lignes modifie le jeu de données

$.results et $.results[].contacts sont tous deux des nœuds valides, mais ils ne produisent pas le même CSV. Choisissez le tableau parent pour obtenir des lignes de comptes. Choisissez le tableau enfant si les éléments imbriqués constituent votre jeu de données.

Pour cet article, je conserve le nœud parent :

  • $.results produit une entreprise ou un compte par ligne.
  • $.results[].contacts produit un contact par ligne.

Cette seconde option peut être la bonne, mais elle change le résultat. Un CSV au niveau des contacts convient pour créer une liste de personnes. Un CSV au niveau des entreprises est préférable pour nettoyer des comptes, enrichir des entreprises, importer des enregistrements dans un CRM ou analyser des métriques.

Choisir le bon nœud de lignes

Un nœud de lignes est le tableau JSON dont les éléments deviennent les lignes du CSV.

Voici les exemples les plus courants :

Chemin JSONÀ privilégier lorsque
$.resultsLes enregistrements se trouvent sous une clé results
$.data.itemsUne API regroupe les enregistrements dans un objet data
$.payload.recordsUn webhook ou un export interne place les enregistrements sous payload
$.results[].contactsVous voulez un contact imbriqué par ligne

Avant de choisir, je me pose toujours une question : que doit représenter une ligne ?

Si une ligne doit représenter une entreprise, un compte, une commande, un produit, une annonce ou un événement, choisissez le tableau parent. Si elle doit représenter un contact, une adresse e-mail, une ligne de commande, un prix, un commentaire ou un événement enfant, choisissez le tableau enfant.

Cela paraît simple, mais ce choix transforme l’ensemble du CSV.

Avec $.results, le CSV conserve le contexte de l’entreprise. Le champ contacts reste une valeur imbriquée dans la ligne de l’entreprise, sauf si vous décidez de traiter les contacts séparément. Avec $.results[].contacts, le CSV devient une liste de contacts, mais les champs de l’entreprise parente ne sont pas ajoutés automatiquement, sauf si le convertisseur intègre cette fonction dans une version future.

Par défaut, je commence par le tableau parent. C’est un premier export plus sûr, car je peux toujours examiner les tableaux imbriqués ensuite. Je ne passe à un tableau enfant que lorsque ses éléments constituent réellement le jeu de données recherché.

Aplatir les objets JSON imbriqués

La gestion des objets imbriqués distingue un véritable convertisseur CSV d’un simple outil de transformation de fichiers.

Dans notre exemple, metrics est un objet :

json
{
"metrics": {
"employees": 124,
"revenue": {
"amount": 476171,
"currency": "USD"
}
}
}

Dans un tableur, je ne veux pas d’une cellule metrics unique contenant un objet JSON. Je veux des colonnes que je peux filtrer et trier :

  • employees
  • amount
  • currency

Datablist détecte les chemins des objets imbriqués et vous laisse choisir ceux à aplatir. Je conserve les champs scalaires utiles sous forme de colonnes, car ils sont plus faciles à exploiter dans les outils CSV.

Champs d’objets imbriqués détectés dans le convertisseur JSON vers CSV
Champs d’objets imbriqués détectés dans le convertisseur JSON vers CSV

Dans cet exemple, j’aplatis :

  • metrics.employees en employees
  • metrics.revenue.amount en amount
  • metrics.revenue.currency en currency
Réglages d’aplatissement des objets imbriqués pour les champs metrics et revenue
Réglages d’aplatissement des objets imbriqués pour les champs metrics et revenue

Le CSV attendu au niveau des entreprises ressemble à ceci :

Colonne CSVValeur source
idIdentifiant de la ligne
nameNom de l’entreprise ou du compte
websiteSite web, tableau concaténé ou chaîne JSON selon les réglages
contactsDonnées de contact imbriquées avec une entreprise par ligne
tagsÉtiquettes concaténées ou texte d’origine
employeesValeur de metrics.employees
amountValeur de metrics.revenue.amount
currencyValeur de metrics.revenue.currency
createdAtDate d’origine ou mise en forme

Pour le premier export, je privilégie des noms de colonnes lisibles. Si le fichier contient des noms identiques dans plusieurs objets, vérifiez la prévisualisation avant le téléchargement. Par exemple, billing.amount et revenue.amount ne doivent pas tous deux être réduits à une colonne amount ambiguë sans vérification.

💡 Ma règle par défaut pour l’aplatissement

Aplatissez les champs scalaires que vous souhaitez filtrer, trier ou importer comme colonnes. Conservez les objets ou tableaux structurés au format JSON lorsque l’aplatissement ferait perdre leur sens ou produirait des cellules illisibles.

Gérer les tableaux dans les lignes JSON

Les tableaux exigent un choix spécifique : une cellule CSV contient du texte, tandis qu’un tableau JSON peut représenter des données très différentes.

Une liste de tags n’est pas comparable à une liste de contacts. Une liste d’adresses e-mail n’a pas la même fonction qu’une liste de lignes de commande. J’évite donc d’appliquer une règle unique lorsque les tableaux n’ont pas la même signification.

Pour notre fichier d’exemple, j’utiliserais les réglages suivants :

ChampTraitement recommandéPourquoi
tagsConcaténer les valeursLes tags sont de simples étiquettes faciles à regrouper dans une cellule
websiteConcaténer les valeurs ou conserver le JSONConcaténez pour gagner en lisibilité, ou gardez le JSON si les différences de structure comptent
contactsConserver au format JSON pour les lignes d’entreprisesLes objets de contact possèdent leurs propres champs imbriqués
contactsUtiliser $.results[].contacts comme nœud pour les lignes de contactsSolution préférable lorsque la liste de contacts est le résultat recherché

Datablist propose plusieurs options pour traiter les tableaux : concaténer les valeurs, conserver les tableaux sous forme de chaînes JSON, prendre le premier élément ou appliquer des réglages au cas par cas.

Ma règle par défaut est simple :

  • Concaténez les tableaux simples, comme les tags.
  • Conservez les tableaux structurés sous forme de chaînes JSON si vous devez préserver leur contenu.
  • Ne prenez le premier élément que s’il possède une signification claire, par exemple une adresse e-mail principale.
  • Changez de nœud de lignes si chaque élément du tableau mérite sa propre ligne.

Pour l’export d’entreprises, je conserve contacts comme valeur structurée, car chaque contact possède un nom, des adresses e-mail et des numéros de téléphone. L’aplatir dans une cellule rendrait le CSV confus, tandis que ne garder que le premier contact entraînerait une perte de données.

Pour un export de contacts, je sélectionnerais plutôt $.results[].contacts. Le CSV contiendrait alors des colonnes propres aux contacts, telles que :

Colonne CSVValeur source
nameNom du contact
emailsListe d’adresses e-mail concaténée ou chaîne JSON
phonesListe de numéros concaténée ou chaîne JSON

Le compromis concerne le contexte. Un export d’entreprises conserve chaque entreprise dans une seule ligne. Un export de contacts se concentre sur les personnes, mais les champs de l’entreprise parente ne sont pas automatiquement recopiés dans chaque ligne de contact, sauf si l’outil prend en charge cette fonction dans une version ultérieure.

Configurer les options de sortie CSV

Une fois le nœud de lignes, l’aplatissement et le traitement des tableaux correctement configurés, réglez la sortie CSV.

Je commence généralement avec les options suivantes :

  • Séparateur : point-virgule pour un CSV adapté aux usages français.
  • Ligne d’en-tête : activée.
  • Format de date : conserver le format d’origine, sauf si le tableur cible exige un format plus lisible.

Dans les configurations européennes, le point-virgule est souvent préférable, car la virgule sert généralement de séparateur décimal. Si votre tableur ou votre système cible attend un CSV séparé par des virgules, choisissez plutôt la virgule.

Pour les dates, je préfère conserver le format source lors du premier export. Les timestamps ISO sont faciles à analyser ensuite et préservent les informations de fuseau horaire. Si le CSV est destiné à un collègue non technique, vous pouvez toutefois mettre les dates en forme pour faciliter la lecture.

Avant le téléchargement, vérifiez les deux aperçus :

  • L’aperçu sous forme de tableau permet de contrôler les lignes et les colonnes.
  • L’aperçu du CSV brut permet de vérifier les séparateurs, les guillemets et les sauts de ligne.

🔑 Prévisualisez avant d’exporter

La prévisualisation permet de repérer un mauvais nœud de lignes, des colonnes manquantes, des tableaux illisibles ou un séparateur incorrect. Je préfère y consacrer 30 secondes plutôt que de devoir corriger ensuite un import défectueux dans un CRM ou un tableur.

Je vérifie systématiquement l’aperçu du CSV brut lorsque les données contiennent des tableaux ou du texte multiligne. Cela ne prend que quelques secondes et évite de nombreux problèmes d’import.

Vérifier et télécharger le CSV

Avant le téléchargement, je passe en revue cette checklist :

  • Le nombre de lignes correspond-il au nœud sélectionné ?
  • Les lignes représentent-elles bien l’entité recherchée ?
  • employees, amount et currency sont-ils répartis dans des colonnes utiles ?
  • Les tableaux sont-ils lisibles ou préservés au format JSON lorsque leur structure compte ?
  • Les valeurs nulles de chiffre d’affaires sont-elles vides ou suffisamment claires pour l’étape suivante ?
  • Les dates conviennent-elles au tableur ou à l’outil d’import ?
  • L’aperçu du CSV brut utilise-t-il le séparateur attendu ?
Action de téléchargement du CSV après vérification du tableau converti
Action de téléchargement du CSV après vérification du tableau converti

Téléchargez ensuite le CSV. Lorsque vous importez un fichier, le nom du fichier téléchargé peut reprendre celui du fichier source, ce qui facilite la traçabilité.

Après l’export, ouvrez le fichier dans l’éditeur CSV de Datablist, Excel, Google Sheets ou votre prochain outil de données. Dans Datablist, vous pouvez poursuivre avec le nettoyage, le filtrage, la déduplication, l’enrichissement ou la traduction. Si vous générez plusieurs exports, vous pouvez comparer deux fichiers CSV. Si le fichier est trop volumineux pour un autre outil, vous pouvez diviser le CSV en fichiers plus petits.

Résultat CSV attendu

En sélectionnant $.results, vous obtenez principalement une entreprise ou un compte par ligne.

Colonne CSVChemin JSON dans chaque ligneValeur attendue
id$.idIdentifiant de la ligne
name$.nameNom de l’entreprise ou du compte
website$.websiteSite web, tableau concaténé ou chaîne JSON
contacts$.contactsTableau de contacts concaténé ou au format JSON avec une entreprise par ligne
tags$.tagsÉtiquettes concaténées ou chaîne d’origine
employees$.metrics.employeesNombre de salariés
amount$.metrics.revenue.amountMontant du chiffre d’affaires, lorsqu’il est disponible
currency$.metrics.revenue.currencyDevise du chiffre d’affaires, lorsqu’elle est disponible
createdAt$.createdAtDate d’origine ou mise en forme

En sélectionnant $.results[].contacts, vous obtenez une ligne par contact.

Colonne CSVChemin JSON dans chaque contactValeur attendue
name$.nameNom du contact
emails$.emailsListe d’adresses e-mail concaténée ou chaîne JSON
phones$.phonesListe de numéros concaténée ou chaîne JSON

Les deux exports sont valides, mais ils répondent à des besoins différents.

Utilisez l’export au niveau des entreprises pour nettoyer des comptes, analyser des données firmographiques, enrichir des fiches d’entreprises ou préparer des imports CRM. Choisissez l’export au niveau des contacts lorsque les personnes constituent votre jeu de données cible.

Quand utiliser ce workflow

Ce workflow est utile dès que le JSON constitue le format source, mais que vous devez travailler en CSV.

Quelques cas d’usage :

  • Réponses d’API avec des métadonnées, de la pagination et un tableau results imbriqué.
  • Résultats de scraping via API contenant des annonces, des produits, des contacts ou des événements.
  • Exports CRM et RevOps dans lesquels les entreprises contiennent des contacts, des tags, des métriques et des champs personnalisés.
  • Exports de marketplaces ou de catalogues produits avec des variantes, des prix, des catégories et des fournisseurs.
  • Logs de webhooks dont les événements sont imbriqués sous un payload.
  • Workflows de localisation dans lesquels vous souhaitez traduire le CSV obtenu.

Le principe reste toujours le même : trouvez le tableau qui représente les lignes, aplatissez les champs objets utiles, choisissez comment traiter les tableaux, puis prévisualisez le résultat avant l’export.

Résoudre les problèmes de conversion JSON vers CSV

Si le JSON n’est pas valide, commencez par vérifier le fichier source. Des virgules manquantes, des logs de console copiés, du texte ajouté à la fin, un téléchargement incomplet ou des guillemets non échappés peuvent empêcher l’analyse. Je valide généralement le fichier avant de modifier les réglages de conversion, car un JSON invalide doit être corrigé à la source.

Si aucun nœud de lignes n’est détecté, le fichier ne contient peut-être pas de tableau d’objets. Un objet unique composé uniquement de champs scalaires ne suffit pas pour ce workflow. Les racines primitives, chaînes, nombres et valeurs uniques ne produisent pas de lignes CSV utiles.

Un nombre de lignes correct ne garantit pas que chaque champ soit devenu une colonne. Datablist détecte les colonnes à partir des 50 premiers enregistrements du nœud sélectionné, tandis que l’aperçu du tableau affiche jusqu’à 100 lignes. Par exemple, si seul l’enregistrement 51 possède un champ optional_note, le CSV peut contenir les 51 lignes sans inclure ce champ.

Recherchez dans la source les champs qui n’apparaissent que dans les enregistrements suivants et comparez-les aux en-têtes de sortie. Dans l’exemple précédent, placez une copie de l’enregistrement contenant optional_note parmi les 50 premiers, tout en conservant son ID et ses valeurs. Relancez la conversion, puis vérifiez que l’en-tête apparaît et que la note de l’enregistrement 51 est bien présente dans le CSV téléchargé. Comme le réordonnancement modifie l’ordre des lignes, utilisez les ID pour comparer le résultat et conservez le JSON d’origine. Pour les schémas très variables, assurez-vous que les 50 premiers enregistrements couvrent tous les champs nécessaires avant l’export.

Si l’aperçu affiche les mauvaises lignes, changez le nœud sélectionné. Cela signifie généralement que le convertisseur a trouvé un tableau, mais pas celui que vous aviez en tête. Recherchez le chemin où se trouvent les enregistrements, comme $.results, $.data.items ou $.payload.records.

Si les contacts, tags, lignes de commande ou événements sont difficiles à lire, modifiez le traitement des tableaux. Concaténez les listes simples. Conservez les tableaux structurés au format JSON pour préserver les détails. Passez à un nœud enfant lorsque chaque élément imbriqué doit devenir une ligne.

Si un fichier volumineux semble lent, gardez à l’esprit que les performances du navigateur et de l’appareil restent déterminantes. Datablist exécute l’analyse et la conversion dans un web worker : le traitement ne bloque donc pas le thread principal de l’interface, mais votre mémoire et votre processeur locaux imposent toujours des limites pratiques.

Si le CSV ne s’importe pas correctement dans un autre outil, essayez un séparateur différent, laissez la ligne d’en-tête activée et inspectez l’aperçu du CSV brut. Les guillemets et les sauts de ligne peuvent avoir leur importance lorsque les valeurs JSON contiennent du texte, des tableaux ou des objets imbriqués.

Ce qui se passe dans le navigateur

Datablist analyse et convertit le JSON dans un worker du navigateur. Celui-ci examine les nœuds de lignes candidats, met l’objet analysé en cache, convertit le nœud sélectionné en CSV, puis renvoie l’aperçu et le résultat à l’interface.

Cela compte pour deux raisons.

D’abord, la conversion ne s’exécute pas sur le thread principal de l’interface. La page reste ainsi utilisable pendant l’analyse du fichier.

Ensuite, le traitement s’effectue localement dans votre navigateur, sans envoi du fichier aux serveurs de Datablist pour la conversion. C’est particulièrement utile avec des exports d’API, des résultats de scraping ou des fichiers de données internes que vous ne souhaitez pas transmettre à un convertisseur côté serveur.

Continuez néanmoins à respecter vos règles habituelles de gestion des données. Le traitement local dans le navigateur est utile, mais il ne remplace pas les politiques de confidentialité et de conformité de votre entreprise.

Conclusion

La conversion d’un JSON imbriqué en CSV repose avant tout sur le choix du bon nœud de lignes. Une fois le tableau destiné à devenir les lignes sélectionné, la suite est beaucoup plus simple.

Dans notre exemple, $.results produit une entreprise par ligne. L’aplatissement de metrics.employees, metrics.revenue.amount et metrics.revenue.currency crée des colonnes faciles à exploiter dans un tableur. Les réglages des tableaux déterminent si des champs comme tags, website et contacts deviennent du texte lisible, du JSON préservé ou un export distinct au niveau des contacts.

Ouvrez le convertisseur JSON vers CSV, importez votre export JSON imbriqué, sélectionnez le nœud de lignes, vérifiez l’aperçu et téléchargez le CSV. Ouvrez ensuite le fichier exporté dans l’éditeur CSV de Datablist si vous souhaitez le nettoyer, le filtrer, le dédupliquer, l’enrichir ou le traduire.

FAQ

Comment convertir un JSON imbriqué en CSV ?

Utilisez un convertisseur qui permet de sélectionner le tableau JSON destiné à devenir les lignes. Dans Datablist, collez ou importez le JSON, choisissez le nœud de lignes, aplatissez les champs d’objets imbriqués utiles, configurez le traitement des tableaux, prévisualisez le résultat, puis téléchargez le CSV.

Peut-on convertir en CSV des données sous results ?

Oui. Sélectionnez $.results comme nœud de lignes si chaque élément sous results doit devenir une ligne du CSV.

Comment convertir data.items ou payload.records en CSV ?

Choisissez $.data.items ou $.payload.records comme nœud de lignes si ce chemin contient les objets à transformer en lignes. Le chemin exact dépend de la structure du JSON.

Comment aplatir des champs JSON en colonnes CSV ?

Activez l’aplatissement pour les chemins d’objets imbriqués tels que metrics.revenue. Vérifiez ensuite les colonnes générées dans l’aperçu avant l’export.

Comment gérer les tableaux dans les lignes JSON ?

Concaténez les listes simples telles que les tags, conservez les tableaux structurés sous forme de chaînes JSON lorsque vous devez préserver leur contenu, ou choisissez un nœud plus profond si chaque élément du tableau doit devenir sa propre ligne.

Peut-on convertir un gros fichier JSON en CSV en ligne ?

Oui, à condition que votre navigateur et votre appareil puissent gérer le fichier. Datablist utilise un web worker pour l’analyse et la conversion, mais les fichiers très volumineux restent tributaires des performances locales.

Un convertisseur JSON vers CSV en ligne est-il sécurisé ?

Le convertisseur de Datablist traite le fichier localement dans votre navigateur au lieu de l’envoyer aux serveurs de Datablist. Vous devez toutefois continuer à respecter les règles de gestion des données de votre organisation.

Qu’est-ce qu’un nœud de lignes en conversion JSON vers CSV ?

Un nœud de lignes est le tableau JSON dont les éléments deviennent les lignes du CSV. Par exemple, $.results crée une ligne CSV pour chaque objet contenu dans le tableau results.

Que produit $.results[].contacts au lieu de $.results ?

Le CSV contient une ligne par contact au lieu d’une ligne par entreprise ou compte. Les champs de l’entreprise parente ne sont pas automatiquement inclus, sauf si l’outil prend en charge cette fonction dans une version ultérieure.

Que faire après avoir exporté le CSV ?

Ouvrez-le dans Datablist ou un autre tableur pour le nettoyer, le filtrer, le dédupliquer, l’enrichir, le traduire ou l’importer dans un autre système. Si les colonnes exportées contiennent des timestamps Unix, suivez ce guide de conversion des timestamps CSV pour vérifier les unités et préserver la valeur source.

Conserver les identifiants parents lors de l’export des contacts

Choisir $.results[].contacts transforme les objets de contact en lignes. En revanche, l’ID, le nom ou le domaine de l’entreprise parente ne sont pas automatiquement recopiés dans chaque contact. Par exemple, une entreprise portant l’ID C-101 et comprenant deux contacts produit deux lignes de contacts, mais aucune ne reçoit company_id = C-101 si cette valeur n’existe pas déjà dans les objets de contact.

Si votre import CRM a besoin de cette relation, vérifiez dans l’aperçu des contacts qu’un identifiant d’entreprise est présent avant le téléchargement. Demandez un export d’API qui inclut l’ID parent dans chaque contact, ou restructurez le JSON pour l’ajouter avant la conversion. Conservez le JSON d’origine afin de pouvoir rétablir la relation si elle manque dans le CSV exporté. Regrouper les noms d’entreprises dans une cellule ne crée pas une clé étrangère fiable.

Je vous conseille de définir d’abord ce que représente une ligne : une entreprise par ligne ou un contact par ligne. Conservez les tableaux au format JSON si leur structure doit être préservée ; utilisez du texte concaténé uniquement si l’outil de destination attend une liste dans une cellule unique. Vérifiez une entreprise avec plusieurs contacts et une autre sans contact afin de détecter toute perte de lignes ou de relations avant l’import.