JSON в CSV: быстрая конвертация и онлайн-инструмент

Самый простой случай — у вас массив объектов с одинаковыми ключами. Возьмите любой Python 3.11+ и библиотеку pandas. Она сделает всё за одну команду:

import pandas as pd
df = pd.read_json('data.json')
df.to_csv('output.csv', index=False, encoding='utf-8')

Если JSON хранится не в файле, а в переменной json_str:

df = pd.read_json(json_str)
df.to_csv('output.csv', index=False)

Этот код подходит для JSON вида [{"name":"Иван","age":30},...]. Для вложенных объектов pandas сам расплющит названия ключей через точку (например, address.city). Если не хотите такие заголовки — переименуйте колонки после загрузки.

Важно: pandas ожидает, что JSON — это массив объектов, а не одиночный объект. Если ваш JSON — объект, оберните его в список: [data].

Если не хотите писать скрипты, используйте утилиту jq (версия 1.7+) в пайпе. Преобразуем JSON в CSV для плоской структуры:

jq -r '(.[0] | keys_unsorted) as $headers | $headers, (.[] | [.[$headers[]]]) | @csv' data.json

Разбор команды:

• .[0] | keys_unsorted — извлекаем заголовки из первого объекта;
• $headers — сохраняем в переменную;
• .[] | [.[$headers[]]] — для каждого элемента берём значения в том же порядке;
• @csv — форматируем как CSV.

Для вложенных объектов используйте jq -r '[paths(scalars) as $p | {($p|join(".")): getpath($p)}], но проще — утилита miller (mlr):

mlr --ijson --ocsv cat data.json

Miller автоматически расплющивает вложенность до 5 уровней.

Не хочется возиться с кодом? Используйте JSON в CSV прямо в браузере. Он поддерживает:

• Файлы до 50 МБ (форматы .json, .txt, а также ссылки по URL);
• Автоматическое обнаружение вложенных объектов — создаёт плоскую таблицу с объединёнными заголовками;
• Настройку разделителя (запятая, точка с запятой, табуляция) — чтобы CSV корректно открывался в Excel или Google Sheets;
• Экспорт с BOM для Excel (UTF-8 BOM) — решает проблему с кракозябрами.

Как пользоваться:

1. Загрузите JSON-файл или вставьте текст в поле.
2. Выберите настройки: если у вас русские буквы — включите BOM.
3. Нажмите «Конвертировать» и скачайте CSV.

Если наоборот — из CSV нужно получить JSON, используйте CSV в JSON. А для работы с Excel-форматами подойдут XLSX в JSON и JSON в XLSX, а также Excel в JSON.

Часто JSON выглядит так:

{
  "users": [
    {"name": "Иван", "orders": [{"id": 1, "total": 100}, {"id": 2, "total": 200}]}
  ]
}

Просто расплющить не выйдет — строки размножатся. Лучшие стратегии:

• Разделить на несколько CSV: один для users, один для orders, связать внешним ключом.
• Склеить массивы в одну ячейку: используйте jq '{name, orders: (.orders | map(.total) | join(";"))}' — получите колонку с id через точку с запятой.
• Развернуть (нормализовать): pandas умеет через pd.json_normalize с параметром record_path:

import pandas as pd
with open('data.json') as f:
    data = json.load(f)
df = pd.json_normalize(data['users'], 'orders', ['name'])
df.to_csv('orders.csv', index=False)

Этот код создаст CSV с колонками id, total, name, где для каждого заказа дублируется имя пользователя.

Если структура глубже — разбивайте вручную: сначала вытащите родителей, потом детей, потом соедините по ключу.

Самый частый провал: открываете CSV в Excel, а вместо «Привет» — «ÐŸÑ€Ð¸Ð²ÐµÑ‚». Причина: Excel для Windows по умолчанию читает CSV в кодировке Windows-1251, а мы сохранили в UTF-8 без BOM. Решение:

• Добавить BOM (Byte Order Mark) в начало файла. В Python: df.to_csv('output.csv', encoding='utf-8-sig', index=False). Префикс sig добавляет BOM.
• При открытии в Excel: импорт через «Данные» → «Из текстового/CSV» и вручную выбрать кодировку UTF-8.
• Используйте онлайн-конвертер с опцией BOM — JSON в CSV уже включает эту настройку.

Если вы работаете с Google Sheets, загружайте CSV через Файл → Импорт — он сам определит UTF-8. Для LibreOffice тоже проблем нет.

В 2026 году стандарт — UTF-8 без BOM. Но если ваш потребитель — старый Excel (до 2016), лучше UTF-8 with BOM.

Некорректный JSON: если файл повреждён, используйте json.tool для валидации: echo '...' | python -m json.tool > /dev/null. Если JSON содержит комментарии (нестандарт), удалите их регуляркой или используйте библиотеку json5.

Большой файл (сотни МБ): потоковая обработка. В Python:

import ijson
import csv
with open('large.json') as f:
    parser = ijson.parse(f)
    with open('output.csv', 'w', newline='') as csvfile:
        writer = csv.writer(csvfile)
        for prefix, event, value in parser:
            # логика построчной записи
            pass

Это не выгружает весь JSON в память.

Спецсимволы в данных: запятые, кавычки, переносы строк. CSV-стандарт (RFC 4180) требует экранировать двойные кавычки дублированием ("") и обрамлять поля с запятыми. pandas и csv модуль делают это автоматически. Если конвертируете вручную — используйте @csv в jq или экранируйте вручную.

Если вам нужно разово конвертировать небольшой файл — онлайн-конвертер JSON в CSV сэкономит время. Для автоматизации в пайплайне — miller или pandas. Для сложной вложенности — pandas с нормализацией.