X 归档里的 CSV 与 JSON：两种格式各能做什么

打开 X 数据归档，你会看到两类文件混在一起：一批 .csv 表格，和一批 .js 文件。名字很像，能力完全不同。选错格式，轻则丢字段，重则得出一个错误的结论，而你还以为数据就是这样。

区别在于「结构能不能被表达」

CSV 是二维的：行和列。它擅长表示「每一行都是一条同类记录」的清单，缺点是表达不了层级。JSON 是树状的，可以嵌套，表达层级是它的本意。

维度	CSV	JSON
结构	二维表格，一行一条	树状嵌套，可无限层
打开方式	任何表格软件	需要解析器或文本编辑器
嵌套实体	合并为文本，部分丢失	完整保留
适合的问题	数量、分布、筛选	关联、结构、字段完整核对
人工检查	直观，可直接看	需要格式化后才可读

表格里「嵌套实体」一行是关键。一条带图片的推文在 JSON 里可以包含多个尺寸变体、媒体类型、以及原始链接；在 CSV 里，这些通常被压成一个字段或直接省略。

CSV 适合回答什么

凡是可以描述为「数一数」「分一分」的问题，都该用 CSV。你会用它回答这类问题：一共发了多少条；哪一年发得最多；哪些推文包含某个词；语言分布是什么样；某段时间的发布密度是否异常。这些问题在表格软件里几秒完成，不需要写代码，也不容易出错。

CSV 还有一个被低估的优点：可以直接肉眼校对。你打开文件就能看到真实的行，对判断「筛选条件是不是写对了」非常有帮助。

JSON 适合回答什么

凡是要沿结构往下走的问题，都该用 JSON。例如：这条推文回复的是哪一条；被提及的账号有哪些；链接展开后的真实域名是什么；同一条推文有几个媒体文件。这类问题的答案藏在层级里，CSV 在导出时把它们拍平了。

归档里的 .js 文件其实不是代码。X 把它们写成了包一层赋值的 JSON，方便本地直接读取。用文本编辑器打开会看到开头有一句赋值语句，去掉那一层就是标准 JSON。这也是为什么直接双击常常打不开，而用文本编辑器却能看到全部内容。

三个最常见的选择错误

1. 用 CSV 做关联分析。 想找出「谁被提及最多」这类问题，在 CSV 里只能靠关键词近似，结果会明显偏低。被提及的账号在 JSON 里是独立字段，在 CSV 里是文本的一部分。
2. 用 JSON 做简单计数。 能写代码当然没问题，但多数人的实际场景是打开文件就想知道总数，这一步用 CSV 更快，也更少出错。
3. 两边结果不同就当数据损坏。 更常见的原因是口径不同：转推与回复的媒体字段缺失、条目类型覆盖范围不同、时区处理不同。核对顺序见下一个问题。

两种格式结果对不上时怎么核对

按顺序排除三件事就能定位大部分差异。第一件是条目范围：CSV 未必包含所有类型，点赞与私信通常各自独立成文件。第二件是字段完整度：转推和回复在 CSV 里常常缺媒体字段，条目数一致但内容更薄。第三件是时区：同一批时间戳在两边可能落在不同的日期分组里，跨日边界附近的条目最容易出现这种偏差。

三项都排除之后，如果数量仍然对不上，再去怀疑数据本身。这个顺序能省掉大量时间。

怎么选：按问题选格式

实操上不需要二选一。清单类问题用 CSV 快速过一遍，结构类问题回到 JSON 逐条核对，两者互为校验。如果你打算本地解析大体积归档，可以参考浏览器端解析的做法，媒体结构与字段说明另见归档里有哪些文件。归档的保存方式建议先看安全存放归档。

关于 Digital Footprint Health

Digital Footprint Health（digital-footprint-health.shop）替你处理格式问题：上传 X 数据归档，工具在你的设备上解析全部推文与媒体，输出 0 到 100 的健康评分和按类别标记的风险条目。全程只读，不上传任何数据，也不索取账号权限，你不需要先弄清楚 CSV 与 JSON 的差别。评分说明见 健康分怎么用，风险标签解释见 标签含义。价格与范围在 定价页，免费体检入口在首页，其他说明可以直接浏览博客。