Convertir JSON a CSV

Convertir un árbol en una cuadrícula

JSON es un árbol y CSV es un rectángulo, y toda la conversión consiste en cómo pasar de uno a otro. El caso limpio es un array de objetos que comparten todos las mismas claves: cada objeto es una fila, cada clave una columna, y no se pierde nada. Así se ven la mayoría de las respuestas de API y de las exportaciones, y por eso normalmente funciona sin más. Todo lo complicado viene de documentos que no tienen esa forma.

Los objetos anidados se aplanan uniendo sus claves, así que un objeto de dirección dentro de un cliente se convierte en columnas como address.city y address.postcode, una convención que toda hoja de cálculo maneja y que ningún estándar define. Las claves que aparecen en algunos objetos y en otros no se convierten en columnas vacías en las filas que no las tenían, y esa es la respuesta correcta: la alternativa es descartar datos que solo tienen algunos registros.

Los arrays anidados son donde una cuadrícula realmente no puede seguir. Un registro con tres líneas de pedido dentro es una fila que contiene una lista, no tres filas: convertirlo en tres duplicaría todos los demás campos y cambiaría sin avisar lo que significan los datos. Por eso un solo array de objetos se expande en filas y los demás se escriben como texto dentro de su celda. Si lo que necesitas son las líneas de pedido y no los pedidos, apunta la conversión a ese array; un árbol con dos listas en paralelo no tiene un único rectángulo correcto, y elegir uno es una decisión que solo tú puedes tomar.

Hay dos detalles que dan problemas a la salida. Los valores que contienen una coma, comillas o un salto de línea se ponen entre comillas para que se conserven, lo cual es CSV correcto y se ve raro si inspeccionas el archivo en bruto. Y un identificador numérico largo es un riesgo cuando el CSV llega a una hoja de cálculo: Excel lo leerá como número, lo redondeará más allá de quince dígitos y le quitará cualquier cero inicial, un problema que introduce la hoja de cálculo y no la conversión.

Si buscas otra cosa

jq es la herramienta adecuada cuando la estructura hay que decidirla en lugar de adivinarla: jq -r '.orders[] | [.id, .customer.name, .total] | @csv' toma exactamente los campos que quieres del nivel exacto que quieres, que es el control que un aplanador automático no puede ofrecer. Además procesa en streaming, así que el tamaño del archivo deja de ser un problema.

Para datos anidados en general, Miller (mlr --ijson --ocsv flatten) y pandas.json_normalize de Python te dan control explícito sobre cuánto aplanar y qué hacer con las listas. Y si el JSON es realmente jerárquico y no tabular, convertirlo a CSV puede ser directamente una mala idea: una base de datos o un archivo JSON delimitado por líneas conserva la estructura que una cuadrícula está a punto de descartar.