Conçu pour les journaux de logs

Convertisseur JSONL en CSV

Convertissez vos fichiers de logs JSON Lines en tableaux CSV prêts pour l’analyse.

Rien n’est téléversé — vérifiez l’onglet Réseau
Aucune limite de taille ni quota quotidien
Sans aucun compte

Collez du JSON et le résultat apparaîtra ici en temps réel pendant la saisie.

Rien n’est téléversé sur un serveur. Ouvrez l’onglet Réseau des outils de développement : la conversion ne fait aucune requête.

Pourquoi le format compte

Traitez des exports de journaux de plusieurs gigaoctets sans plantage.

JSON Lines (NDJSON) est le standard pour les flux d’événements. Notre parseur en streaming prend en charge des fichiers aussi volumineux que votre disque.

Un enregistrement JSON par ligne

Analyse chaque ligne comme un objet JSON autonome avec ses propres horodatages et attributs.

Streaming léger via Web Workers

Traitement par blocs optimisés hors du fil d’exécution principal, laissant le navigateur fluide et réactif.

Ignorance sélective des lignes corrompues

Les lignes tronquées ou invalides sont ignorées avec leur numéro, sans rejeter les millions d’autres lignes saines.

Étape par étape

Comment convertir du CSV en JSON en ligne.

Trois étapes rapides pour transformer vos tableaux en données JSON conformes.

01
Collez le CSV ou déposez votre fichier
La première ligne est traitée comme en-tête. Vous pouvez également importer des fichiers exportés depuis Excel.
02
Choisissez la structure de sortie
Tableau d’objets classique, format JSON Lines (NDJSON) ou dictionnaire indexé par une colonne clé.
03
Copiez ou téléchargez le résultat
Visualisez le résultat en direct, copiez-le dans le presse-papiers ou téléchargez le fichier .json.

Utiliser le script

Convertissez du NDJSON en CSV en Python pour vos tâches récurrentes.

Traiter un journal de logs ponctuel est le rôle d’une page web. L’exécuter après chaque déploiement est le rôle d’un script. La bibliothèque standard de Python gère le format nativement en appelant json.loads sur chaque ligne.

Le script calcule l’union de toutes les clés pour former l’en-tête. Pour les fichiers volumineux, il lit et écrit au fur et à mesure sans saturer la mémoire RAM.

import csv
import json

records = []
with open("events.jsonl", encoding="utf-8") as file:
    for line in file:
        if line.strip():
            records.append(json.loads(line))

fields = sorted({key for record in records for key in record})

with open("events.csv", "w", newline="", encoding="utf-8") as file:
    writer = csv.DictWriter(file, fieldnames=fields)
    writer.writeheader()
    writer.writerows(records)

Avec pandas, la conversion se fait via pd.read_json("events.jsonl", lines=True) et frame.to_csv. Dans l’autre sens, notre outil de reconstruction JSON depuis CSV permet d’exporter en JSON Lines, et le guide sur le traitement des jeux de données volumineux détaille les bonnes pratiques.

À propos de l’outil

Un convertisseur JSONL en CSV qui s’exécute sur votre machine.

Convertisseur gratuit de JSONL en CSV fonctionnant à 100% dans votre navigateur via des Web Workers. Sans téléversement, sans compte et sans restriction de taille. Il traite parfaitement les clés variables, les valeurs multilignes et les dernières lignes tronquées.

Qu’est-ce que JSON Lines et pourquoi vos logs l’utilisent

Un document JSON ordinaire doit être lu entièrement avant d’être analysé. JSON Lines (NDJSON) résout cela en plaçant un objet complet par ligne, idéal pour Kafka et les flux continus.

Comment convertir du NDJSON en CSV en ligne, étape par étape

Trois étapes : déposez votre fichier .jsonl, examinez la table des colonnes détectées avec leur taux de remplissage, puis téléchargez votre fichier .csv.

JSON concaténé et variantes de format

Les fichiers de log ne respectent pas toujours les spécifications. Notre analyseur suit la structure syntaxique du JSON plutôt que les simples retours à la ligne, prenant en charge le JSON concaténé.

Gestion des enregistrements aux champs hétérogènes

Notre outil crée un en-tête correspondant à l’union de toutes les clés détectées dans le fichier, laissant des cellules vides pour les lignes où le champ est absent.

Aplatissement des objets imbriqués en colonnes

Les objets imbriqués sont convertis en colonnes avec leur chemin hiérarchique. Pour en savoir plus sur la gestion des tableaux, lisez notre guide sur l’aplatissement des données JSON complexes.

NDJSON en CSV en Python

pandas propose la voie la plus rapide avec read_json(lines=True). Pour les environnements sans dépendance, le script ci-dessus effectue le travail efficacement.

Gestion des exports très volumineux

Grâce au traitement en streaming dans un Web Worker, l’utilisation de mémoire reste stable même sur des fichiers de plusieurs gigaoctets. Retrouvez tous nos conseils dans le guide des limites de mémoire du navigateur.

Gratuit, confidentiel et illimité

Puisque rien ne transite par nos serveurs, aucun quota n’est imposé. Pour les tableurs, utilisez notre export direct vers Excel (.xlsx), ou retrouvez notre convertisseur standard JSON en CSV pour les fichiers JSON classiques.

FAQ

Foire aux questions

Quelle est la différence entre JSONL, NDJSON et JSON Lines ?

Il n’y a aucune différence technique. Ce sont trois désignations pour le même format consistant en un objet JSON valide par ligne.

Une ligne corrompue fait-elle échouer tout le fichier ?

Non. Les lignes invalides sont signalées avec leur numéro de ligne et ignorées, tandis que tous les autres enregistrements valides sont convertis avec succès.

Mes données sont-elles envoyées sur un serveur ?

Non. La conversion s’exécute entièrement dans un Web Worker au sein de votre navigateur : le fichier ne quitte jamais votre appareil. Vous pouvez le constater vous-même : ouvrez les outils de développement (DevTools), affichez l’onglet Réseau (Network) et lancez une conversion. Aucune requête n’est émise. C’est aussi pourquoi il n’y a aucune limite de taille ni quota.

Y a-t-il une limite de taille de fichier ?

Non. Les données sont lues par blocs (chunks) et écrites en flux continu (stream), ce qui maintient l’utilisation de la mémoire stable quel que soit le volume. La limite pratique est celle de votre machine, mesurée en gigaoctets plutôt qu’en mégaoctets.

Est-ce gratuit et faut-il créer un compte ?

C’est entièrement gratuit, sans inscription, sans période d’essai et sans formule payante. Toutes les fonctionnalités sont disponibles sans aucune restriction.

Convertisseurs et outils associés