Types बदल सकते हैं
Integers, decimals, dates, booleans, null values और बड़े identifiers सभी फ़ॉर्मेट में एक ही तरह encode नहीं होते। टेक्स्ट लक्ष्य में type inference बाद में दोबारा करनी पड़ सकती है।
फ़ाइल को उपलब्ध आउटपुट फ़ॉर्मेट में बदलता है। चुने गए फ़ॉर्मेट के अनुसार मूल फ़ाइल की कुछ सुविधाएँ बनी रह सकती हैं, बदली जा सकती हैं या हट सकती हैं।
फ़ाइल को खींचकर छोड़ें, पेस्ट करें या अपने डिवाइस से चुनें।
फ़ाइलें अस्थायी हैं और अपने आप हटा दी जाती हैं।
डेटा रूपांतरण केवल फ़ाइल एक्सटेंशन का नाम बदलना नहीं है। स्रोत rows, records, columns और types को लक्ष्य फ़ॉर्मेट के model में लिखना पड़ता है, इसलिए schema fidelity और nested structure पर ध्यान देना जरूरी है।
Integers, decimals, dates, booleans, null values और बड़े identifiers सभी फ़ॉर्मेट में एक ही तरह encode नहीं होते। टेक्स्ट लक्ष्य में type inference बाद में दोबारा करनी पड़ सकती है।
Objects और arrays वाली JSON संरचना को CSV में flatten या serialize करना पड़ सकता है। परिणाम को representative rows पर जाँचें।
Columnar स्रोत का typed schema CSV में उसी समृद्धि के साथ नहीं रहता; timestamps या बड़ी संख्याएँ लक्ष्य सॉफ़्टवेयर में अलग तरह पढ़ी जा सकती हैं।
एक फ़ॉर्मेट से दूसरे में और फिर वापस रूपांतरण करने पर type metadata, column order या nested representation स्रोत जैसा बिल्कुल समान रहना निश्चित नहीं है।
CSV समृद्ध typed schema embed नहीं करता, इसलिए type information उसी रूप में सुरक्षित नहीं रहती और reader को types infer करनी पड़ सकती हैं।
सरल सपाट records में अक्सर अच्छी mapping मिलती है, लेकिन nested objects और arrays में संरचना flatten या बदल सकती है।
टेक्स्ट columns से लक्ष्य types का inference आवश्यक हो सकता है; अस्पष्ट values, dates और identifiers को आउटपुट में जाँचना चाहिए।
शुरू करने के लिए समर्थित फ़ाइल जोड़ें।