如何使用Python将复杂嵌套JSON数据转换为CSV？

针对你提供的嵌套JSON结构，我们可以通过Python的pandas库将其转换为每行对应一个回答、附带所属问题全量信息的CSV格式，具体步骤和代码如下：

核心思路 #

1. 遍历每个问题条目，提取问题的基础信息（标题、内容、提问者信息等），并将标签列表转为逗号分隔的字符串（适配CSV单列存储）
2. 对每个问题下的所有回答，复制一份问题信息，与回答信息合并为一行数据
3. 整理所有行数据为DataFrame，调整列顺序后导出为CSV

完整代码 #

import pandas as pd
import json

# 加载JSON数据（若数据在本地文件，替换为你的文件路径；若为内存中的字典，直接使用该字典）
with open('question_data.json', 'r', encoding='utf-8') as f:
    raw_data = json.load(f)

# 初始化存储最终数据的列表
processed_rows = []

# 遍历每个问题
for q_id, q_content in raw_data.items():
    # 提取问题基础数据，添加问题ID字段
    question_info = q_content['question_data'].copy()
    question_info['question_id'] = q_id
    # 将标签列表转为逗号分隔的字符串
    question_info['tags'] = ', '.join(q_content['tag_data'])
    
    # 遍历当前问题下的所有回答
    for ans_key, ans_content in q_content['answer_data'].items():
        # 合并问题信息与回答信息
        single_row = question_info.copy()
        single_row.update(ans_content)
        # 提取回答序号（可选，根据需求决定是否保留）
        single_row['answer_number'] = ans_key.split('_')[-1]
        processed_rows.append(single_row)

# 转换为DataFrame
result_df = pd.DataFrame(processed_rows)

# 调整列顺序（匹配目标CSV的列排列，可根据实际需求修改）
target_columns = [
    'question_id', 'question_title', 'question_body', 'question_link',
    'question_user_id', 'question_user_aboutme', 'tags',
    'answer_number', 'answer_user_id', 'answer_user_aboutme',
    'was_answer_accepted', 'answer_body'
]
result_df = result_df[target_columns]

# 导出为CSV文件
result_df.to_csv('output_qa_data.csv', index=False, encoding='utf-8')

代码说明 #

• 若你的JSON数据不是存储在本地文件，而是直接以字典形式存在代码中，可跳过open文件的步骤，直接将raw_data替换为你的字典变量
• tags字段的处理可根据目标CSV需求调整，若需要拆分标签为多列，可修改对应逻辑
• 列顺序可根据你提供的目标CSV示例自行调整，确保与预期格式一致

内容的提问来源于stack exchange，提问作者Randi Sims