CSV to JSON

Was ist CSV-zu-JSON-Konvertierung?

CSV (Comma-Separated Values) ist ein tabellarisches Klartextformat, bei dem jede Zeile einen Datensatz darstellt und Felder innerhalb eines Datensatzes durch ein Trennzeichen — typischerweise ein Komma — getrennt sind. CSV ist seit den Anfängen der Personal-Computing-Ära ein standardisiertes Austauschformat und wurde in RFC 4180 formalisiert. Tabellenkalkulationen, Datenbanken und Datenexport-Tools erzeugen CSV, weil es einfach, kompakt und von praktisch jeder Programmiersprache lesbar ist.

JSON (JavaScript Object Notation) stellt strukturierte Daten als Schlüssel-Wert-Paare und geordnete Arrays dar. Im Gegensatz zu CSV unterstützt JSON verschachtelte Objekte, typisierte Werte (Zahlen, Booleans, null) und Datensätze variabler Länge. Da JSON von JavaScript-Engines nativ verstanden wird, ist es das dominierende Format für den Datenaustausch zwischen Browser und Server sowie für REST-API-Antworten. Diese Eigenschaften machen JSON zum Standardformat für Web-APIs, Konfigurationsdateien und NoSQL-Datenbanken wie MongoDB und CouchDB.

CSV in JSON zu konvertieren bedeutet, jede Tabellenzeile in ein JSON-Objekt zu überführen — dabei dient die Kopfzeile als Eigenschaftsnamen und die Zellwerte als Eigenschaftswerte. Das Ergebnis ist typischerweise ein JSON-Array von Objekten. Diese Konvertierung ist immer dann nötig, wenn flache tabellarische Daten in ein System eingespeist werden sollen, das strukturierte JSON-Eingaben erwartet — etwa eine REST-API, eine Frontend-Datentabellenkomponente oder eine dokumentenorientierte Datenbank.

Warum dieses Tool verwenden?

Dieser Konverter verarbeitet dein CSV direkt im Browser, erstellt die JSON-Ausgabe sofort und überträgt deine Daten nie an einen Server.

CSV-zu-JSON-Anwendungsfälle

CSV-Trennzeichen-Referenz

CSV-Dateien verwenden nicht immer Kommas. Das Trennzeichen hängt von der Locale, der exportierenden Anwendung und dem Dateninhalt ab. Hier sind die vier häufigsten Trennzeichen und wann sie typischerweise verwendet werden:

CSV vs. JSON: Strukturelle Unterschiede

Der Unterschied zwischen beiden Formaten ist der Grund, warum Header-Zuordnung, Typerkennung und die Behandlung fehlender Werte bei der Konvertierung explizite Entscheidungen erfordern.

Code-Beispiele

CSV programmgesteuert in JSON konvertieren — in gängigen Sprachen und CLI-Tools:

// Simple CSV string → JSON array
const csv = `name,age,city
Alice,30,Berlin
Bob,25,Tokyo`

const [headerLine, ...rows] = csv.trim().split('\n')
const headers = headerLine.split(',')
const json = rows.map(row => {
  const values = row.split(',')
  return Object.fromEntries(headers.map((h, i) => [h, values[i]]))
})
// → [{ name: "Alice", age: "30", city: "Berlin" }, ...]

// With the built-in fetch + a library (Papa Parse)
import Papa from 'papaparse'
const result = Papa.parse(csvString, { header: true, dynamicTyping: true })
console.log(result.data) // typed numbers and booleans

import csv, json, io

csv_string = """name,age,city
Alice,30,Berlin
Bob,25,Tokyo"""

reader = csv.DictReader(io.StringIO(csv_string))
data = [row for row in reader]
print(json.dumps(data, indent=2))
# → [{"name": "Alice", "age": "30", "city": "Berlin"}, ...]

# With type coercion (age as int)
import pandas as pd
df = pd.read_csv(io.StringIO(csv_string))
print(df.to_json(orient="records", indent=2))
# → [{"name": "Alice", "age": 30, "city": "Berlin"}, ...]

package main

import (
	"encoding/csv"
	"encoding/json"
	"fmt"
	"strings"
)

func main() {
	input := "name,age,city\nAlice,30,Berlin\nBob,25,Tokyo"
	r := csv.NewReader(strings.NewReader(input))
	records, _ := r.ReadAll()

	headers := records[0]
	var result []map[string]string
	for _, row := range records[1:] {
		obj := make(map[string]string)
		for i, h := range headers {
			obj[h] = row[i]
		}
		result = append(result, obj)
	}

	out, _ := json.MarshalIndent(result, "", "  ")
	fmt.Println(string(out))
	// → [{"age":"30","city":"Berlin","name":"Alice"}, ...]
}

# Using Miller (mlr) — handles quoting, types, and edge cases
mlr --icsv --ojson cat data.csv
# → [{"name": "Alice", "age": 30, "city": "Berlin"}, ...]

# Using csvjson from csvkit (Python-based)
csvjson data.csv

# Using jq with @csv (reverse: JSON → CSV)
# For CSV → JSON, pipe through Miller or Python
cat data.csv | python3 -c "
import csv, json, sys
reader = csv.DictReader(sys.stdin)
json.dump(list(reader), sys.stdout, indent=2)
"

Häufig gestellte Fragen