CSVからJSONへの変換：方法と落とし穴

2026年3月31日 · 12分で読めます

CSVからJSONへの変換の基礎を理解する

CSV（カンマ区切り値）からJSON（JavaScript Object Notation）への変換は、開発者が遭遇する最も一般的なデータ変換タスクの1つです。単純なデータセットの場合、プロセスは簡単に見えますが、基本的なメカニズムを理解することで、データを破損させる可能性のある微妙なバグを回避できます。

CSVファイルは表形式の構造に従い、最初の行には通常列ヘッダーが含まれます。その後の各行は、それらのヘッダーに対応する値を持つレコードを表します。対照的に、JSONは、より柔軟で表現力豊かな階層的なキーと値の構造を使用します。

基本的な変換では、CSVヘッダーをJSONキーにマッピングし、各データ行がJSON配列内のオブジェクトになります：

CSV:
name,age,city
Alice,30,NYC
Bob,25,LA

JSON:
[
  {"name":"Alice","age":"30","city":"NYC"},
  {"name":"Bob","age":"25","city":"LA"}
]

この1対1の対応は、フラットなデータ構造に対して完璧に機能します。ただし、実際のシナリオでは複雑さが生じます：欠損値、一貫性のないデータ型、特殊文字、ネストされた構造の必要性など、すべて慎重な処理が必要です。

なぜCSVをJSONに変換するのか？

JSONは、Web APIと最新のアプリケーション開発の事実上の標準となっています。開発者が頻繁にCSVデータを変換する必要がある理由は次のとおりです：

• API統合： ほとんどのREST APIはCSVではなくJSONペイロードを期待します
• JavaScript互換性： JSONはJavaScriptにネイティブであり、Webアプリケーションに最適です
• 階層データ： JSONはCSVでは表現できないネストされた構造をサポートします
• 型の保持： JSONは文字列、数値、ブール値、null値を区別します
• データ交換： JSONは異なるプログラミング言語とプラットフォーム間でより移植性が高いです

データ型変換の課題

CSVからJSONへの変換時の最も重要な課題の1つは、データ型の保持です。CSVは基本的にテキスト形式であり、すべての値が文字列として保存されます。これにより、データに数値、日付、ブール値、またはJSONで正しく表現する必要があるnull値が含まれている場合に問題が発生します。

数値データの解析

製品在庫データを含むCSVファイルを考えてみましょう。適切な型変換がないと、価格や数量などの数値が文字列のままになり、アプリケーションでの計算や比較が壊れます。

import csv
import json

def parse_csv_with_types(filename):
    def try_numeric(val):
        # 空の値を処理
        if not val or val.strip() == '':
            return None
        
        # 最初に整数変換を試みる
        try:
            return int(val)
        except ValueError:
            pass
        
        # 浮動小数点変換を試みる
        try:
            return float(val)
        except ValueError:
            return val
    
    with open(filename, 'r') as f:
        reader = csv.DictReader(f)
        data = []
        for row in reader:
            typed_row = {k: try_numeric(v) for k, v in row.items()}
            data.append(typed_row)
    
    return json.dumps(data, indent=2)

このアプローチは、各値を最初に整数に変換しようとし、次に浮動小数点数に変換し、両方の変換が失敗した場合は最終的に文字列として保持します。結果は、数値の精度を保持する適切に型付けされたJSONです。

日付と時刻の処理

日付の解析は、CSVファイルに無数の形式で日付を含めることができるため、独特の課題を提示します：ISO 8601、米国形式（MM/DD/YYYY）、ヨーロッパ形式（DD/MM/YYYY）、またはカスタム形式。変換ロジックは、これらのバリエーションを処理する必要があります：

from datetime import datetime

def parse_date(val):
    date_formats = [
        '%Y-%m-%d',           # ISO形式
        '%m/%d/%Y',           # 米国形式
        '%d/%m/%Y',           # ヨーロッパ形式
        '%Y-%m-%d %H:%M:%S',  # 時刻付きISO
        '%m/%d/%Y %I:%M %p'   # 12時間形式の時刻付き米国
    ]
    
    for fmt in date_formats:
        try:
            return datetime.strptime(val, fmt).isoformat()
        except ValueError:
            continue
    
    return val  # 形式が一致しない場合は元の値を返す

ブール値とNull値の変換

CSVファイルは、ブール値を「true」/「false」、「yes」/「no」、「1」/「0」、または同様のバリエーションとして表すことがよくあります。空のセルはnull値を表す場合がありますが、空の文字列である可能性もあります。変換ロジックは、これらの曖昧さを処理する必要があります：

変換前にデータがどのように解釈されるかをプレビューするには、CSVパーサー＆ビューアーを使用してください。

特殊文字とエンコーディングの処理

特殊文字とエンコーディングの問題は、他のどの問題よりも多くの変換失敗を引き起こします。CSVファイルには、フィールド内のカンマ、テキスト内の改行、引用符、または単純な解析ロジックを壊す非ASCII文字が含まれている場合があります。

引用符で囲まれたフィールドとエスケープされた文字

CSV標準（RFC 4180）は、カンマ、引用符、または改行を含むフィールドは二重引用符で囲む必要があることを指定しています。引用符で囲まれたフィールド内では、引用符自体を二重にしてエスケープする必要があります：

name,description,price
"Widget A","A simple, reliable widget",19.99
"Widget ""Pro""","The ""best"" widget available",49.99

堅牢なCSVパーサーは、これらのケースを自動的に処理します。独自のパーサーを作成している場合は、引用符で囲まれたフィールド内にいるかどうかを追跡し、エスケープシーケンスを正しく処理する必要があります。

文字エンコーディングの問題

CSVファイルは、UTF-8、Latin-1、Windows-1252、またはその他の文字セットでエンコードできます。エンコーディングの不一致により、特に英語以外の文字で文字化けが発生します：

• UTF-8： 最新の標準で、すべてのUnicode文字をサポートします
• Latin-1（ISO-8859-1）： 古いヨーロッパのシステムで一般的です
• Windows-1252： MicrosoftのLatin-1の拡張
• UTF-16： 一部のExcelエクスポートで使用されます

CSVファイルを読み取るときは、常にエンコーディングを明示的に指定してください：

import csv
import json

def convert_with_encoding(filename, encoding='utf-8'):
    try:
        with open(filename, 'r', encoding=encoding) as f:
            reader = csv.DictReader(f)
            data = list(reader)
            return json.dumps(data, ensure_ascii=False, indent=2)
    except UnicodeDecodeError:
        # 代替エンコーディングを試す
        for alt_encoding in ['latin-1', 'windows-1252', 'utf-16']:
            try:
                with open(filename, 'r', encoding=alt_encoding) as f:
                    reader = csv.DictReader(f)
                    data = list(reader)
                    return json.dumps(data, ensure_ascii=False, indent=2)
            except UnicodeDecodeError:
                continue
        raise ValueError(f"既知のエンコーディングで{filename}をデコードできませんでした")

バイトオーダーマーク（BOM）

一部のアプリケーション、特にMicrosoft Excelは、UTF-8ファイルの先頭にバイトオーダーマーク（BOM）を追加します。この目に見えない文字により、最初のフィールド名が誤って読み取られる可能性があります。Pythonのencodingパラメータは、'utf-8-sig'でこれを自動的に処理します：

with open(filename, 'r', encoding='utf-8-sig') as f:
    reader = csv.DictReader(f)

フラットなCSVからネストされたJSON構造を作成する

CSVは本質的にフラットで、2次元テーブルを表します。JSONは、ネストされたオブジェクトと配列を持つ階層構造をサポートします。フラットなCSVデータをネストされたJSONに変換するには、思慮深い設計と追加のロジックが必要です。

関連データのグループ化

各行に顧客情報が各注文ごとに繰り返される顧客注文を含むCSVファイルを考えてみましょう：

customer_id,customer_name,order_id,product,quantity
101,Alice,1001,Widget,5
101,Alice,1002,Gadget,3
102,Bob,1003,Widget,2

より良いJSON構造は、各顧客の下に注文をグループ化します：

[
  {
    "customer_id": 101,
    "customer_name": "Alice",
    "orders": [
      {"order_id": 1001, "product": "Widget", "quantity": 5},
      {"order_id": 1002, "product": "Gadget", "quantity": 3}
    ]
  },
  {
    "customer_id": 102,
    "customer_name": "Bob",
    "orders": [
      {"order_id": 1003, "product": "Widget", "quantity": 2}
    ]
  }
]

この変換を実装する方法は次のとおりです：

import csv
import json
from collections import defaultdict

def csv_to_nested_json(filename):
    customers = defaultdict(lambda: {"orders": []})
    
    with open(filename, 'r') as f:
        reader = csv.DictReader(f)
        for row in reader:
            customer_id = int(row['customer_id'])
            
            # まだ設定されていない場合は顧客情報を設定
            if 'customer_id' not in customers[customer_id]:
                customers[customer_id]['customer_id'] = customer_id
                customers[customer_id]['customer_name'] = row['customer_name']
            
            # 注文を追加
            customers[customer_id]['orders'].append({
                'order_id': int(row['order_id']),
                'product': row['product'],
                'quantity': int(row['quantity'])
            })
    
    return json.dumps(list(customers.values()), indent=2)

ネストされたキーのドット表記

別のアプローチでは、CSVヘッダーでドット表記を使用してネストを示します：

name,address.street,address.city,address.zip
Alice,123 Main St,NYC,10001
Bob,456 Oak Ave,LA,90001

これは次のように変換されます：

[
  {
    "name": "Alice",
    "address": {
      "street": "123 Main St",
      "city": "NYC",
      "zip": "10001"
    }
  }
]

実装には、ヘッダーキーを解析し、ネストされた辞書を構築する必要があります：

def set_nested_value(obj, path, value):
    keys = path.split('.')
    for key in keys[:-1]:
        obj = obj.setdefault(key, {})
    obj[keys[-1]] = value

def csv_to_nested_with_dots(filename):
    with open(filename, 'r') as f:
        reader = csv.DictReader(f)
        data = []
        for row in reader:
            obj = {}
            for key, value in row.items():
                set_nested_value(obj, key, value)
            data.append(obj)
    return json.dumps(data, indent=2)

大きなファイルのスケーリングとパフォーマンス最適化

小さなCSVファイルの変換は簡単ですが、本番システムでは数百万行を含むファイルを扱うことがよくあります。数ギガバイトのCSV全体をメモリにロードすると、クラッシュやパフォーマンスの問題が発生します。

ストリーミング処理

ファイル全体をメモリにロードする代わりに、行ごとに処理し、JSONを段階的に書き込みます：

import csv
import json

def stream_csv_to_json(input_file, output_file):
    with open(input_file, 'r') as infile, open(output_file, 'w') as outfile:
        reader = csv.DictReader(infile)
        
        outfile.write('[\n')
        first = True
        
        for row in reader:
            if not first:
                outfile.write(',\n')
            first = False
            
            json.dump(row, outfile)
        
        outfile.write('\n]')

このアプローチは、ファイルサイズに関係なく一定のメモリ使用量を維持します。トレードオフは、ネストされた構造を簡単に作成したり、すべてのデータを一度に見る必要がある集計を実行したりできないことです。

チャンク処理

ある程度の集計が必要だがデータセット全体は必要ない操作の場合は、ファイルをチャンクで処理します：

def process_in_chunks(filename, chunk_size=10000):
    with open(filename, 'r') as f:
        reader = csv.DictReader(f)
        chunk = []