如何将json格式数据转换成文本

如何将JSON格式数据转换成文本：方法、工具与实用技巧

在数据处理与信息交换中,JSON（JavaScript Object Notation）作为一种轻量级的数据格式，因其易读、易解析的特性被广泛应用，但有时，我们需要将JSON数据转换为更通用的文本格式（如CSV、纯文本、Markdown等），以便于阅读、编辑或与其他系统集成，本文将详细介绍JSON转文本的核心方法、常用工具及实用技巧，帮助你高效完成数据转换任务。

理解JSON与文本的区别：为什么需要转换？

JSON本质上是结构化数据，通过键值对（"key": "value"）和嵌套结构（数组、对象）组织数据，适合机器解析，而文本（如纯文本、CSV、Markdown）则是线性或半结构化的呈现方式，更侧重人类阅读或特定场景的格式化输出。

• JSON数据：{"name": "张三", "age": 25, "hobbies": ["阅读", "游泳"]}
• 转换后的文本：姓名：张三，年龄：25，爱好：阅读、游泳（纯文本）或张三,25,阅读;游泳（CSV）

转换的核心目标是保留数据语义的同时，调整格式适配使用场景。

JSON转文本的核心方法

编程语言转换：灵活可控，适合批量处理

编程语言提供了强大的JSON解析与文本生成能力,可根据需求自定义输出格式，以下是主流语言的实现示例：

Python：使用json与字符串格式化

Python内置json模块，可轻松解析JSON并生成文本，将嵌套JSON转换为键值对文本：

import json
json_data = '{"name": "李四", "city": "北京", "contacts": {"email": "lisi@example.com", "phone": "13800138000"}}'
data = json.loads(json_data)  # 解析JSON为字典
# 转换为纯文本（键值对）
text_output = f"姓名：{data['name']}，城市：{data['city']}，邮箱：{data['contacts']['email']}，电话：{data['contacts']['phone']}"
print(text_output)
# 输出：姓名：李四，城市：北京，邮箱：lisi@example.com，电话：13800138000
# 转换为CSV（需处理嵌套）
csv_output = f"{data['name']},{data['city']},{data['contacts']['email']},{data['contacts']['phone']}\n"
print(csv_output)
# 输出：李四,北京,lisi@example.com,13800138000

JavaScript：使用JSON.parse()与模板字符串

前端或Node.js中，可通过解析JSON后拼接文本：

const jsonData = '{"name": "王五", "skills": ["JavaScript", "Python"]}';
const data = JSON.parse(jsonData);
// 转换为带换行的文本
const textOutput = `技能列表：\n${data.skills.join("\n")}`;
console.log(textOutput);
// 输出：
// 技能列表：
// JavaScript
// Python

Java：使用Gson或Jackson库

Java中需借助第三方库（如Gson）解析JSON，再生成文本：

import com.google.gson.JsonObject;
import com.google.gson.JsonParser;
public class JsonToText {
    public static void main(String[] args) {
        String jsonData = "{\"name\": \"赵六\", \"score\": 90}";
        JsonObject data = JsonParser.parseString(jsonData).getAsJsonObject();
        String textOutput = "姓名：" + data.get("name").getAsString() + "，分数：" + data.get("score").getAsInt();
        System.out.println(textOutput);
        // 输出：姓名：赵六，分数：90
    }
}

适用场景：需复杂逻辑处理（如嵌套数据转换、格式化规则定制）或批量数据转换。

命令行工具：快速转换，适合轻量任务

jq：JSON处理的“瑞士军刀”

jq是一个轻量级命令行JSON处理器，支持过滤、转换和格式化输出。

• 提取特定字段并转换为文本：

  echo '{"name": "钱七", "age": 30}' | jq -r '"姓名：\(.name)，年龄：\(.age)"'
  # 输出：姓名：钱七，年龄：30

• 将JSON数组转换为CSV：

  echo '[{"name": "A", "value": 1}, {"name": "B", "value": 2}]' | jq -r '.[] | "\(.name),\(.value)"' > output.csv

安装：Linux/macOS可通过sudo apt install jq或brew install jq安装；Windows可通过官网下载。

Node.js CLI：直接运行脚本

若已安装Node.js，可写一个简单脚本并通过命令行调用：

// json-to-text-cli.js
const json = JSON.parse(process.argv[2]);
console.log(`姓名：${json.name}，职业：${json.job}`);

运行：

node json-to-text-cli.js '{"name": "孙八", "job": "工程师"}'
# 输出：姓名：孙八，职业：工程师

适用场景：快速处理单条JSON数据或简单格式转换，无需编写完整程序。

在线转换工具：无需编码，适合临时需求

对于不熟悉编程或临时任务,在线工具是便捷选择：

• JSON to CSV Online（如ConvertCSV）：上传JSON文件，选择字段，直接下载CSV。
• JSON to Text Formatter（如JSON Formatter）：将JSON格式化为可读文本，支持缩进、字段过滤。
• API接口工具（如Postman）：通过API返回JSON数据后，使用“Tests”功能将JSON转换为文本（如pm.environment.set("text", JSON.stringify(jsonData))）。

注意事项：避免上传敏感数据，选择可信平台。

数据库与ETL工具：批量处理，适合企业级场景

企业中常需处理海量JSON数据（如日志、API响应），可通过数据库或ETL工具转换：

• MySQL 8.0+：使用JSON_TABLE()函数将JSON列转为表格，再导出为文本：

  SELECT * FROM json_table(
      '{"name": "周九", "orders": [{"id": 1}, {"id": 2}]}',
      '$.orders[*]' COLUMNS(id INT PATH '$.id')
  ) AS orders;

• Apache Spark：使用from_json()函数解析JSON，再转换为DataFrame并导出为CSV/文本：

  from pyspark.sql import SparkSession
  spark = SparkSession.builder.appName("JsonToText").getOrCreate()
  df = spark.read.json("path/to/json/data")
  df.write.csv("output/text")

• Talend/OpenRefine：可视化ETL工具，通过拖拽组件实现JSON到文本的转换，适合非技术人员。

适用场景：大规模数据、企业级数据流转，需与现有系统集成。

常见文本格式转换示例

JSON转CSV（表格化）

JSON可能包含嵌套数组或对象,需先“展平”数据。
JSON：[{"id": 1, "user": {"name": "张三", "age": 25}, "tags": ["a", "b"]}]
CSV（展平后）：id,name,age,tags
1,张三,25,"a;b"（用分号分隔数组元素）

JSON转Markdown（文档化）

适合将配置或元数据转为可读文档：

## 用户信息
- **姓名**：李四
- **年龄**：30
- **技能**：
  - JavaScript
  - Python

JSON转纯文本（日志或报告）

提取关键信息,去除结构化符号：
JSON：{"timestamp": "2023-10-01T12:00:00Z", "level": "INFO", "message": "服务启动成功"}
文本：[2023-10-01 12:00:00] INFO: 服务启动成功

转换中的常见问题与解决

嵌套数据如何处理？

• 方法：递归遍历JSON对象，提取所有键值对（如Python的json_normalize函数）。
• 示例：使用pandas展平嵌套JSON：

  import pandas as pd
  json_data = '[{"id": 1, "user": {"name": "张三"}}]'
  df = pd.json_normalize