Datenprozesse / 06
JSON und XML in ein belastbares Zielmodell übersetzen.
Die Daten sind technisch lesbar und werden trotzdem abgewiesen. Feldnamen, Typen oder Strukturen passen nicht zur Zielanwendung. Wir entwickeln nachvollziehbare Mappings, die auch leere Werte, Sonderfälle und Änderungen am Quellformat behandeln.
Die Ausgangslage
Syntaktisch gültig bedeutet noch nicht fachlich richtig.
Eine XML-Schnittstelle liefert Artikel mit Attributen und Namespaces. Das Ziel erwartet JSON-Objekte, eindeutige Strings und ein Array für alle Varianten. Ein einzelnes XML-Element darf nicht plötzlich zu einem anderen Zieltyp führen als mehrere Elemente.
Wir legen Quellvertrag, Zielvertrag und Transformationsregeln getrennt fest. Pflichtwerte, Null und leere Strings erhalten eine fachliche Bedeutung; Zahlen und Zeitangaben werden nicht durch pauschale Textkonvertierung verändert.
Was DataSource übernimmt
Feldpfade, Typen und Validierung.
Modellieren
Felder, Attribute, Listen und Referenzen erfassen. XML-Namespaces über ihre URI verarbeiten und nicht allein auf frei wählbare Präfixe vertrauen.
Transformieren
Mapping, Typkonvertierung und Normalisierung als versionierte Regeln umsetzen. Dezimalgenauigkeit, IDs und Zeitzonen explizit erhalten.
Validieren
Quellformat und Zielvertrag prüfen. Fachliche Regeln ergänzen JSON Schema oder XML Schema; ungültige Fälle mit aussagekräftigem Feldpfad melden.
Technisches Szenario / Illustratives Beispiel
Aus einem XML-Artikel wird ein klar typisiertes Objekt.
Illustratives Beispiel mit Namespace und einer String-ID. Das Präfix p ist austauschbar; die Namespace-URI bestimmt die Zuordnung. Der Preis bleibt hier bewusst ein Dezimalstring.
Beispieldaten und vorgeschlagene Regeln. Die konkreten Schnittstellen und Geschäftsregeln werden für Ihr Projekt geprüft.
<p:product xmlns:p="urn:example:catalog" id="004218">
<p:price currency="EUR">49.90</p:price>
</p:product>
→ {
"sku": "004218",
"price": "49.90",
"currency": "EUR"
}Fehlerbehandlung, Sicherheit und Betrieb
Schemaabweichungen sichtbar behandeln.
Parser-Sicherheit
Unkontrollierte externe XML-Entitäten und externe Ressourcen deaktivieren. Größe, Tiefe und Anzahl der Elemente begrenzen; Importdaten sind keine vertrauenswürdigen Programme.
Versionswechsel
Mapping-Version und Quellschema gemeinsam dokumentieren. Neue Pflichtfelder anhand repräsentativer Testdaten prüfen und kontrolliert ausrollen.
Fehlerbezug
Den betroffenen Datensatz und Feldpfad nennen. Sensible Payloads nur in ausdrücklich freigegebenen, geschützten Diagnosewegen verwenden.
Fachliche Fragen
Details, die vor der Umsetzung zählen.
JSON · XML · Namespaces · Datentypen · Mapping · Schema
Ist die Konvertierung verlustfrei?
Nur mit einem vereinbarten Modell. XML kennt Attribute, Namespaces und gemischten Inhalt; JSON bildet diese nicht automatisch gleichwertig ab.
Brauchen wir immer ein Schema?
Ein überprüfbarer Vertrag ist wichtig. Ein formales Schema hilft, ersetzt aber keine Regeln wie gültige Artikelreferenzen oder zulässige Zustandswechsel.
Was passiert mit unbekannten Feldern?
Je nach Vertrag werden sie ignoriert, erhalten oder abgewiesen. Das Verhalten wird ausdrücklich festgelegt und nicht erst im Produktivbetrieb entschieden.
Für die technische Klärung
Mit Ihrem konkreten Ablauf beginnen.
Anonymisierte Quellbeispiele, Zielschema, Felddefinitionen und problematische Fälle mitbringen. Jeweils eine leere, einzelne und mehrfache Listenstruktur hilft bei der Prüfung.
Im ersten Gespräch klären wir die verfügbaren Zugänge, Datenverantwortung und einen begrenzten ersten Datenfluss. Danach stimmen wir Umfang, Zuständigkeiten und Konditionen ab.
Anonymisierte Beispiele genügen für den Einstieg. Bitte keine Passwörter, Tokens oder personenbezogenen Produktivdaten in der ersten Anfrage senden.
Verwandte Aufgaben
Die nächste Verbindung im Kontext.
CSV-Import automatisieren
Die Datei kommt täglich an. Jemand korrigiert Spalten, lädt sie hoch und prüft anschließend die Fehlermeldungen. DataSource macht aus diesem wiederkehrenden Handgriff einen dokumentierten Import mit klaren Regeln für unvollständige und fehlerhafte Daten.
REST API Integration
Die Dokumentation ist da, ein Testrequest funktioniert. Im Alltag fehlen trotzdem Daten oder es entstehen doppelte Datensätze. DataSource verbindet Ihre REST-API mit dem konkreten Geschäftsprozess und plant auch den Fall, dass die Antwort ausbleibt.
Produktdaten automatisieren
Das ERP liefert Stammdaten, das PIM Texte und ein Lieferant technische Merkmale. Manuelle Listen verbinden diese Informationen nur vorübergehend. Wir schaffen einen definierten Datenfluss vom führenden Feld bis zum geprüften Kanalexport.