
CSV 转成 JSON,先别急着交给程序
把表格交给 AI 分析、写导入脚本,或者放进接口测试之前,最容易漏掉的一步是:转换后的每个字段,还表示原来那件事吗?能打开 JSON,只能作为格式检查的起点;编号少了前导零、空白被改成零、日期含义不清,都可能让后续处理偏离原表。
AIGoCode 免费工具目录提供 CSV 转 Markdown / JSON,目录说明它可以把 CSV / TSV 表格转换为 Markdown 表格或 JSON 数组。本文围绕这个入口给出一份人工验收流程。下文的样本和字段规则是工作建议,不代表工具会自动识别业务类型,也不是一次实际转换测试的成绩。
第一步:先写字段含义,再选择交付格式
假设你准备处理一张虚构的客户跟进表。客户编号是 00042,记录号是一串很长的数字,最近联系日写成 03/04,备注里还有逗号。这些内容看上去都很简单,但用途并不相同。
| 字段 | 先确认的问题 | 建议保留的核对记录 |
|---|---|---|
| 客户编号 | 是用于识别对象,还是用于计算? | 原文 00042,前导零需要保留 |
| 长记录号 | 会不会被接收程序当作数字处理? | 原始完整字符及长度 |
| 最近联系日 | 03/04 是几月几日,属于哪一年? | 原文与经确认的日期含义分别记录 |
| 金额 | 币种、单位和小数规则是什么? | 数值原文、币种和后续转换规则 |
| 空白备注 | 是没填、未知,还是不适用? | 不擅自补成零或其他业务值 |
这些问题应由数据负责人确定。转换动作不能代替业务定义;如果原表本身已经丢了前导零,也不能只凭转换后的文件恢复真实编号。
要给人讨论列名和几行样本,可以选择 Markdown 表格;要让程序继续读取,可以选择 JSON。两种输出都需要核对,不能因为预览整齐就直接成为正式导入依据。具体可用选项,以工具当前页面为准。
第二步:准备一份能暴露问题的脱敏小样本
先从源文件复制少量虚构或脱敏记录,而不是把完整客户表作为首次尝试。小样本至少覆盖:普通行、编号带前导零的一行、空字段的一行、备注含逗号或换行的一行,以及一个日期含义容易混淆的字段。
对每条样本记下源行号或另外建立稳定的对照标识。列名重名、列名带空格、数据缺列等情况,先登记再处理,避免清洗过程中一边改表、一边改脚本,最后无法判断变化发生在哪一步。
源文件、工作副本和输出应分开保存。这是一项文件管理建议,不是工具的历史记录功能。原始文件留作核对,工作副本用于清洗,转换结果另存;三份文件的用途写清楚,才方便回退。
第三步:沿同一条记录逐列核对
进入目录中的 CSV 转 Markdown / JSON 工具,按当前页面说明完成转换。先看能否得到可读结果,再拿样本逐行核对,重点回答四个问题:
- 原来一条记录是否仍对应同一个对象?备注中的分隔符或换行有没有让你误认行列?
- 列名与值有没有错位?不要只对比总行数相近就结束。
- 编号、长记录号与日期原文是否完整?除了看界面,还要检查准备交付的文件。
- 空白、零和文字占位是否被混为一谈?若后续程序要统一处理,先保留转换前后的差异记录。
不要把这份检查单理解为工具必然发生这些错误。它的作用是覆盖业务交接中必须确认的风险,包括源表、人工清洗和接收程序三个环节。
对于 JSON,尤其要检查引号内外的类型。编号是标识符,即使全由数字组成,也未必应该参与数学计算。某个金额字段需要转为数值时,应由后续代码在明确规则下处理;不要对整份文件机械地把“看起来像数字”的字符串都转成数字。
第四步:给 AI 的不仅是结果,还有转换约定
如果下一步要请 AI 写脚本,可以把要求组织成一段任务说明:这是脱敏样本;客户编号和记录号按标识符处理;金额的币种与小数规则已另列;含义不明的日期先列为待确认项;不要把空白自动填成零;正式导入前先输出差异清单,人工确认后再执行。
这是推荐的任务约束,不能保证 AI 一定遵守。验收时仍要检查它生成的转换代码和样本输出,尤其是默认值、数字转换和日期解析。对于未确认的字段,让脚本明确报出待处理项,比猜一个看似合理的值更容易追踪。
只提供一个成功样本也不够。至少保留前面的小样本与预期解释,用它们检查后续脚本是否保留了编号字符、是否按约定处理空白,以及有没有擅自解释日期。
交付前留下这份小清单
交接材料建议包含原始脱敏样本、转换结果、字段含义表、已确认的清洗规则和仍待确认的问题。写明哪一份可供分析、哪一份已经通过导入验收;“格式转换完成”与“业务数据验收完成”应分别记录。
当编号完整、行列对应、字段类型和缺失值规则都已确认,再把结果交给下一步程序。需要修改时回到工作副本重做并重新核对,不在无法追溯的结果文件上持续修补。AIGoCode 工具负责提供格式转换入口,数据语义和正式导入的验收仍由你掌握。