CSV in JSON umwandeln

CSV ist das, was jede Datenbank, jede Tabellenkalkulation und jedes Auswertungswerkzeug ausgibt. JSON ist das, was jede Schnittstelle, jede Testdatei und jede Konfiguration erwartet. Dazwischen liegt eine kleine, lästige Lücke — und genau für solche Lücken lohnt sich ein Werkzeug, statt jedes Mal ein Wegwerfskript zu schreiben.

Die Kopfzeile liefert die Schlüssel, und jede folgende Zeile wird ein Objekt — die Form, die fast alles weiter unten voraussetzt. Zitierte Felder, verdoppelte Anführungszeichen und Zeilenumbrüche innerhalb einer Zelle werden richtig gelesen. Eine CSV mit einem Komma mitten in der Adresse übersteht das also, was ein naives Zerteilen am Komma nicht tut.

Die Typen werden erkannt, und das ist der Teil, den du prüfen solltest. Was nach Zahl aussieht, wird eine JSON-Zahl, aus `true` und `false` werden Wahrheitswerte. Für Mengen und Schalter ist das fast immer richtig.

Für Kennnummern ist es falsch. Aus `007` wird `7`, und eine Postleitzahl, eine Artikelnummer oder eine mit Nullen aufgefüllte Kontoreferenz verliert ihre führenden Nullen stillschweigend. Wenn deine Daten Codes enthalten und keine Mengen, sieh dir das Ergebnis an, bevor du dich darauf verlässt — so entsteht am häufigsten gültiges JSON mit falschem Inhalt.

Das Ganze läuft in deinem Browser. Ein großer Export wird also so schnell umgewandelt, wie dein Rechner es hergibt, und verlässt ihn dabei nicht. Bei dieser Kombination zählt das mehr als bei den meisten: eine CSV ist sehr oft eine Kundenliste, ein Bestellverlauf oder der Export aus einem System, das man niemandem Fremden beschreiben möchte.

Weil alles, was nach Zahl aussieht, zur Zahl wird, ist die Abwehr für eine Spalte mit Codes, sie vorher eindeutig zu machen: ein vorangestelltes Apostroph in der Tabellenkalkulation, ein Präfix, oder die Spalte gleich in Anführungszeichen exportieren — alles drei markiert sie als Text.

Die allgemeine Regel lohnt sich zum Merken: Wenn du zwei Werte einer Spalte niemals addieren würdest, ist es eine Kennnummer und will Text bleiben. Postleitzahlen, Artikelnummern, Telefonnummern und Kontoreferenzen fallen alle durch den Additionstest.

Eine leere Zelle wird `null` und nicht die leere Zeichenkette. Eine Zeile `1,,3` unter der Kopfzeile `a,b,c` kommt als `{"a":1,"b":null,"c":3}` heraus, und das ist die gewollte Folge derselben Typerkennung, die aus `1` eine Zahl statt `"1"` macht.

Es zählt, sobald das, was dein JSON weiterverarbeitet, die beiden unterscheidet: Ein JSON Schema, das eine Zeichenkette verlangt, weist `null` zurück, und eine als NOT NULL deklarierte Datenbankspalte nimmt die Zeile nicht an. Dazu kommt, dass eine CSV den Unterschied zwischen einem Feld, das leer war, und einem, das gar nicht da war, ohnehin nicht ausdrücken kann. Trägt er Bedeutung, muss er vorher ausdrücklich in die CSV geschrieben oder hinterher wiederhergestellt werden. Kein Umwandler kann eine Information zurückholen, die das Ausgangsformat nicht tragen kann.

Zwei Spalten mit demselben Namen stoßen zusammen, weil Objektschlüssel eindeutig sind: die spätere gewinnt, die frühere geht ohne Warnung verloren. Ein Blick auf die Kopfzeile vor dem Umwandeln lohnt sich.

Ist die Kopfzeile kürzer als die Datenzeilen, bleiben die überzähligen Spalten ganz ohne Schlüssel. Repariere die Kopfzeile in der CSV — das ist eine Zeile Arbeit, und es ist die einzige Stelle, an der diese Information überhaupt existiert.

Das Einlesen ist schnell, die Grenze ist der Arbeitsspeicher: das ganze Array wird aufgebaut, bevor es geschrieben wird. Zweistellige Megabyte sind Alltag; im dreistelligen Bereich fängt ein Browser-Tab an zu ächzen.

Für einen Export in dieser Größenordnung ist das richtige Werkzeug ein Streaming-Parser in einem Skript und kein browserbasierter Umwandler. Das zu sagen ist ehrlicher, als bei einer 900-MB-Datei auf halber Strecke stehenzubleiben.

Heraus kommt ein Array von Objekten, und das ist die Form, die Schnittstellen, Testdaten und die meisten Bibliotheken erwarten. Es ist kein zeilenweise getrenntes JSON, und es ist kein Objekt, das nach einer ID-Spalte geschlüsselt ist.

Beides ist ein paar Zeilen Umformung entfernt, sobald du das Array hast, und beides lässt sich nicht für dich entscheiden, ohne zu wissen, welche Spalte der Schlüssel sein soll. Ein Array ist die Form, die am wenigsten voraussetzt.