JSON 转 CSV 实战案例 - 5 个真实场景完整演示（2026）

💼 5 个真实场景实战案例#

本文通过 5 个真实的业务场景，演示如何使用 JSON 转 CSV 工具解决实际问题。

案例 1：电商订单导出系统#

场景描述#

公司：某电商平台
需求：每日导出 10 万 + 订单数据，供财务对账使用
挑战：

数据量大（10 万条/天）
嵌套结构（订单包含多个商品）
格式要求严格（财务系统要求）

原始数据#

1
{
2
  "orders": [
3
    {
4
      "orderId": "ORD20260101001",
5
      "customer": {
6
        "name": "张三",
7
        "phone": "138****1234",
8
        "address": {
9
          "province": "北京",
10
          "city": "北京",
11
          "district": "朝阳"
12
        }
13
      },
14
      "items": [
15
        {
16
          "productId": "P001",
17
          "name": "iPhone 15",
18
          "price": 7999,
19
          "quantity": 1
20
        },
21
        {
22
          "productId": "P002",
23
          "name": "AirPods Pro",
24
          "price": 1999,
25
          "quantity": 2
26
        }
27
      ],
28
      "total": 11997,
29
      "status": "completed",
30
      "createdAt": "2026-01-01T10:30:00Z"
31
    }
32
  ]
33
}

转换步骤#

步骤 1：提取订单数组

1
const orders = data.orders;

步骤 2：扁平化嵌套对象

1
const flattened = orders.map(order => ({
2
  orderId: order.orderId,
3
  customerName: order.customer.name,
4
  customerPhone: order.customer.phone,
5
  province: order.customer.address.province,
6
  city: order.customer.address.city,
7
  district: order.customer.address.district,
8
  total: order.total,
9
  status: order.status,
10
  createdAt: order.createdAt
11
}));

步骤 3：处理商品数组（展开）

1
const expanded = [];
2
orders.forEach(order => {
3
  order.items.forEach(item => {
4
    expanded.push({
5
      orderId: order.orderId,
6
      customerName: order.customer.name,
7
      productName: item.name,
8
      price: item.price,
9
      quantity: item.quantity,
10
      subtotal: item.price * item.quantity,
11
      status: order.status,
12
      createdAt: order.createdAt
13
    });
14
  });
15
});

步骤 4：格式化日期

1
function formatDate(isoString) {
2
  return new Date(isoString).toLocaleString('zh-CN', {
3
    timeZone: 'Asia/Shanghai'
4
  });
5
}

最终 CSV#

1
orderId,customerName,productName,price,quantity,subtotal,status,createdAt
2
ORD20260101001，张三，iPhone 15,7999,1,7999,completed,2026-01-01 10:30:00
3
ORD20260101001，张三，AirPods Pro,1999,2,3998,completed,2026-01-01 10:30:00

效果#

✅ 每日自动导出
✅ 财务系统直接导入
✅ 对账效率提升 90%

案例 2：用户数据迁移#

场景描述#

公司：某 SaaS 企业
需求：从 MongoDB 迁移用户数据到 MySQL
数据量：50 万用户

MongoDB 数据#

1
[
2
  {
3
    "_id": "507f1f77bcf86cd799439011",
4
    "username": "zhangsan",
5
    "email": "zhangsan@example.com",
6
    "profile": {
7
      "realname": "张三",
8
      "avatar": "https://example.com/avatar.jpg",
9
      "bio": "个人简介"
10
    },
11
    "settings": {
12
      "theme": "dark",
13
      "language": "zh-CN"
14
    },
15
    "createdAt": "2024-01-01T00:00:00Z",
16
    "lastLoginAt": "2026-01-01T12:00:00Z"
17
  }
18
]

转换策略#

1. 字段映射

1
const mapping = {
2
  '_id': 'user_id',
3
  'username': 'username',
4
  'email': 'email',
5
  'profile.realname': 'realname',
6
  'profile.avatar': 'avatar_url',
7
  'profile.bio': 'bio',
8
  'settings.theme': 'theme',
9
  'settings.language': 'language',
10
  'createdAt': 'created_at',
11
  'lastLoginAt': 'last_login_at'
12
};

2. 数据清洗

1
function cleanUser(user) {
2
  return {
3
    ...user,
4
    // 清理空值
5
    bio: user.profile.bio || '',
6
    // 格式化日期
7
    created_at: formatDate(user.createdAt),
8
    // 转义特殊字符
9
    realname: escapeSpecialChars(user.profile.realname)
10
  };
11
}

MySQL 导入 SQL#

1
LOAD DATA INFILE 'users.csv'
2
INTO TABLE users
3
FIELDS TERMINATED BY ','
4
ENCLOSED BY '"'
5
LINES TERMINATED BY '\n'
6
IGNORE 1 ROWS
7
(user_id, username, email, realname, avatar_url, bio, theme, language, created_at, last_login_at);

效果#

✅ 50 万用户，2 小时完成迁移
✅ 数据完整，零丢失
✅ 无需手动处理

案例 3：日志数据分析#

场景描述#

公司：某互联网平台
需求：将 JSON 日志转为 CSV，在 Excel 中分析
日志量：日均 100 万条

日志数据#

1
[
2
  {
3
    "timestamp": 1704067200000,
4
    "level": "INFO",
5
    "service": "api-gateway",
6
    "message": "User login successful",
7
    "context": {
8
      "userId": 12345,
9
      "ip": "192.168.1.100",
10
      "userAgent": "Mozilla/5.0...",
11
      "responseTime": 45
12
    },
13
    "tags": ["auth", "login"]
14
  }
15
]

转换处理#

1. 时间戳转换

1
function formatTimestamp(ts) {
2
  return new Date(ts).toISOString()
3
    .replace('T', ' ')
4
    .substring(0, 19);
5
}

2. 扁平化 context

1
const flattened = logs.map(log => ({
2
  timestamp: formatTimestamp(log.timestamp),
3
  level: log.level,
4
  service: log.service,
5
  message: log.message,
6
  userId: log.context.userId,
7
  ip: log.context.ip,
8
  responseTime: log.context.responseTime,
9
  tags: log.tags.join('|')
10
}));

CSV 输出#

1
timestamp,level,service,message,userId,ip,responseTime,tags
2
2026-01-01 00:00:00,INFO,api-gateway,User login successful,12345,192.168.1.100,45,auth|login

Excel 分析#

数据透视表：

按小时统计登录次数
按服务统计错误率
按地区统计用户分布

效果：

✅ 快速定位问题
✅ 发现性能瓶颈
✅ 优化系统架构

案例 4：API 数据导出#

场景描述#

场景：从第三方 API 获取数据，导出为 CSV 供业务部门使用

API 响应#

1
{
2
  "code": 200,
3
  "data": {
4
    "products": [
5
      {
6
        "id": 1,
7
        "name": "iPhone 15",
8
        "category": {"id": 1, "name": "手机"},
9
        "price": {"original": 7999, "current": 6999},
10
        "stock": {"available": 100, "reserved": 5},
11
        "images": ["url1", "url2"],
12
        "specs": {
13
          "color": ["黑色", "白色", "蓝色"],
14
          "storage": ["128G", "256G", "512G"]
15
        }
16
      }
17
    ],
18
    "pagination": {
19
      "page": 1,
20
      "pageSize": 20,
21
      "total": 1000
22
    }
23
  }
24
}

提取和转换#

1. 提取数据

1
const products = response.data.products;

2. 简化结构

1
const simplified = products.map(p => ({
2
  id: p.id,
3
  name: p.name,
4
  category: p.category.name,
5
  currentPrice: p.price.current,
6
  originalPrice: p.price.original,
7
  discount: Math.round(p.price.current / p.price.original * 10),
8
  availableStock: p.stock.available,
9
  mainImage: p.images[0],
10
  colors: p.specs.color.join('/'),
11
  storageOptions: p.specs.storage.join('/')
12
}));

CSV 输出#

1
id,name,category,currentPrice,originalPrice,discount,availableStock,mainImage,colors,storageOptions
2
1,iPhone 15，手机，6999,7999,9,100,url1，黑色/白色/蓝色，128G/256G/512G

使用场景#

✅ 运营制作产品手册
✅ 财务核算库存价值
✅ 采购制定补货计划

案例 5：报表自动生成#

场景描述#

公司：某创业公司
需求：每周自动生成业务报表，发送给管理层

数据源#

1
{
2
  "weeklyStats": {
3
    "week": "2026-W01",
4
    "revenue": {
5
      "total": 1000000,
6
      "growth": 15.5
7
    },
8
    "users": {
9
      "new": 5000,
10
      "active": 50000,
11
      "churn": 200
12
    },
13
    "orders": {
14
      "total": 10000,
15
      "avgValue": 100
16
    },
17
    "topProducts": [
18
      {"name": "产品 A", "sales": 1000, "revenue": 100000},
19
      {"name": "产品 B", "sales": 800, "revenue": 80000}
20
    ]
21
  }
22
}

报表 CSV#

1
指标，本周数值，环比增长
2
总收入，1000000,15.5%
3
新用户，5000,8.2%
4
活跃用户，50000,5.1%
5
订单数，10000,12.3%
6
客单价，100,3.5%

自动化流程#

1
// 每周一定时执行
2
cron.schedule('0 9 * * 1', async () => {
3
  // 1. 获取数据
4
  const stats = await fetchWeeklyStats();
5

6
  // 2. 转换为 CSV
7
  const csv = convertToCSV(stats);
8

9
  // 3. 发送邮件
10
  await sendEmail({
11
    to: 'management@company.com',
12
    subject: '周报表 - 2026-W01',
13
    attachment: csv
14
  });
15

16
  console.log('报表已发送');
17
});

效果#

✅ 每周一 9 点自动发送
✅ 管理层及时获取数据
✅ 节省人工 2 小时/周

🎯 总结与建议#

共同点#

数据扁平化：处理嵌套结构
字段映射：统一命名规范
格式转换：日期、数值格式化
数据清洗：处理空值和异常

工具选择#

小数据量（<1 万条）：

在线工具：XingDian JSON to CSV

中等数据量（1 万 -10 万条）：

脚本处理：Node.js + json2csv

大数据量（>10 万条）：

流式处理 + 分批

最佳实践#

✅ 先小样本测试
✅ 验证转换结果
✅ 处理边界情况
✅ 记录转换日志
✅ 建立回滚机制

💼 5 个真实场景实战案例#

案例 1：电商订单导出系统#

场景描述#

原始数据#

转换步骤#

最终 CSV#

效果#

案例 2：用户数据迁移#

场景描述#

MongoDB 数据#

转换策略#

MySQL 导入 SQL#

效果#

案例 3：日志数据分析#

场景描述#

日志数据#

转换处理#

CSV 输出#

Excel 分析#

案例 4：API 数据导出#

场景描述#

API 响应#

提取和转换#

CSV 输出#

使用场景#

案例 5：报表自动生成#

场景描述#

数据源#

报表 CSV#

自动化流程#

效果#

🎯 总结与建议#

共同点#

工具选择#

最佳实践#

相关资源#

文章分享

目录