CSV vers JSON

Qu'est-ce que la conversion CSV vers JSON ?

CSV (Comma-Separated Values) est un format tabulaire en texte brut où chaque ligne constitue un enregistrement et les champs d'un enregistrement sont séparés par un délimiteur, généralement une virgule. CSV est un format d'échange standard depuis les débuts de l'informatique personnelle, formalisé dans la RFC 4180. Les tableurs, bases de données et outils d'export produisent du CSV parce qu'il est simple, compact et lisible par pratiquement tous les langages de programmation.

JSON (JavaScript Object Notation) représente les données structurées sous forme de paires clé-valeur et de tableaux ordonnés. Contrairement au CSV, JSON prend en charge les objets imbriqués, les valeurs typées (nombres, booléens, null) et les enregistrements de longueur variable. JSON étant nativement compris par les moteurs JavaScript, c'est le format dominant pour l'échange de données navigateur-serveur et les réponses d'API REST. Ces propriétés font de JSON le format par défaut pour les API web, les fichiers de configuration et les bases de données NoSQL comme MongoDB et CouchDB.

Convertir du CSV en JSON consiste à transformer chaque ligne du tableau en objet JSON, en utilisant la ligne d'en-tête comme noms de propriétés et les valeurs des cellules comme valeurs de propriétés. Le résultat est généralement un tableau JSON d'objets. Cette conversion est nécessaire dès que vous devez injecter des données tabulaires dans un système attendant du JSON structuré en entrée, comme une API REST, un composant de tableau frontend ou une base de données orientée documents.

Pourquoi utiliser cet outil ?

Ce convertisseur analyse votre CSV dans le navigateur, produit la sortie JSON instantanément et n'envoie jamais vos données vers un serveur.

Cas d'utilisation CSV vers JSON

Référence des délimiteurs CSV

Les fichiers CSV n'utilisent pas toujours des virgules. Le délimiteur dépend de la locale, de l'application exportatrice et du contenu des données. Voici les quatre délimiteurs les plus courants et les contextes dans lesquels ils sont généralement utilisés :

CSV vs JSON : différences structurelles

L'écart entre les deux formats explique pourquoi le mappage des en-têtes, l'inférence de types et la gestion des valeurs manquantes nécessitent des décisions explicites lors de la conversion.

Exemples de code

Comment convertir du CSV en JSON par programmation dans les langages et outils CLI les plus courants :

// 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)
"

Questions fréquentes