ChatGPTをJSONにエクスポート – 会話を構造化データとして保存する方法（2026年版）

要点まとめ

• JSONはプログラム処理に最適なフォーマット — Python、jq、その他あらゆる言語でパースして、ChatGPTの会話を分析・変換・自動化できます。
• 3つの方法が存在: ChatGPT Exporter（即座に取得、クリーンなJSON）、OpenAI公式データエクスポート（一括取得、複雑なネスト構造）、ブラウザDevTools（手動、生のAPIデータ）。
• OpenAIのネイティブエクスポートは、親子参照を持つツリーベースのmapping構造を使用しており、かなりのパース処理が必要です。ChatGPT Exporterなら、フラットでスクリプト対応のフォーマットを提供します。
• 独自のデータを保持: Deep Research引用、o1/o3思考プロセス、Web検索ソース、Canvasアーティファクト — 他のJSONエクスポートツールではキャプチャできない機能です。

1. はじめに

JSON（JavaScript Object Notation）は、構造化データ交換の標準フォーマットです。事実上すべてのモダンWeb APIで使用されており、Python、JavaScript、Go、R、その他すべての主要なプログラミング言語でネイティブにサポートされています。

ChatGPTの会話パターンの分析、コードブロックのプログラム的な抽出、ファインチューニング用データセットの構築、ツール間のデータ移行、チャット履歴の完全なバックアップなど、JSONはデータを完全にコントロールできるフォーマットです。

このガイドでは、2026年にChatGPTの会話をJSONにエクスポートするすべての方法を紹介します。ワンクリックのChrome拡張機能からOpenAI公式データエクスポートまで、3つのアプローチを比較し、すぐにデータ処理を始められる実際のコードサンプルを掲載しています。（より読みやすい形式をお探しですか？ChatGPT to MarkdownガイドまたはChatGPT to PDFガイドをご覧ください。）

2. ChatGPTをJSONにエクスポートする理由

• 機械可読 — JSONはあらゆるプログラミング言語の組み込みライブラリでパースできます（Pythonのjson、JavaScriptのJSON.parse()、Goのencoding/json）。
• 完全なデータの保持 — すべてのメッセージ、ロール、タイムスタンプ、メタデータフィールドが構造化された形式で記録されます。PDFやプレーンテキストとは異なり、すべてのデータがフラット化されることはありません。
• 変換が容易 — JSONからCSV、Markdown、HTML、SQL、その他あらゆるフォーマットに短いスクリプトで変換できます（以下セクション5にサンプルあり）。
• データ分析に最適 — 会話をpandas、jq、その他のデータツールに読み込んで、パターン、単語数、トピック、回答の長さを分析できます。
• バックアップと移行 — JSONは完全かつロスレスなバックアップを作成するのに最も信頼性の高いフォーマットです。数年後でもデータの復元・検索・再インポートが可能です。
• API互換 — JSONはOpenAI APIのネイティブフォーマットです。シンプルなロールマッピングで、エクスポートデータをAPIメッセージフォーマットに直接変換できます。
• 自動化に対応 — JSONデータをスクリプト、ワークフロー、パイプライン（n8n、Make、Zapier）に入力して自動処理できます。
• バージョン管理 — JSONファイルはGitと連携でき、変更の追跡や会話の差分比較が容易です。

3. ChatGPTをJSONにエクスポートする方法

3.1 ChatGPT Exporter（推奨）

ChatGPT Exporterは、ChatGPTの会話をワンクリックでJSONにエクスポートできるChrome拡張機能です。

使い方：

1. Chrome Web StoreからChatGPT Exporterをインストールします。
2. 任意のChatGPTの会話を開きます（通常の会話でもグループチャットでもOK）。
3. Selectボタンをクリックして、エクスポートするメッセージを選択します（全メッセージ、質問のみ、回答のみ、または個別にチェック/アンチェック）。
4. Exportをクリックし、フォーマットとしてJSONを選択します。
5. .jsonファイルが即座にダウンロードされます — クリーンで構造化された、スクリプトですぐに使えるファイルです。

設定でCopy to clipboardオプションを有効にすると、ファイルをダウンロードする代わりにJSONテキストを直接クリップボードにコピーできます。スクリプトやAPIツールにすぐ貼り付けたいときに便利です。

エクスポートされるJSONの構造：

エクスポートされたファイルには、metadata（会話情報）とmessages（実際の会話内容）の2つのトップレベルセクションがあります：

{
  "metadata": {
    "title": "How to Process CSV Files in Python",
    "user": {
      "name": "John Smith",
      "email": "[email protected]"
    },
    "dates": {
      "created": "2026/04/15 14:30:45",
      "updated": "2026/04/15 15:22:10",
      "exported": "2026/04/17 09:00:33"
    },
    "link": "https://chatgpt.com/c/abc123-def456"
  },
  "messages": [
    {
      "role": "Prompt",
      "say": "How do I read a CSV file and filter specific columns in Python?",
      "time": "2026/04/15 2:30:45 PM"
    },
    {
      "role": "Response",
      "say": "You can use the pandas library:\n\nimport pandas as pd\ndf = pd.read_csv('data.csv')\nresult = df[['name', 'age']]\n\nThis filters the name and age columns.",
      "time": "2026/04/15 2:31:22 PM"
    }
  ]
}

クリーンでフラットな構造に注目してください — 直接イテレートできるmessages配列があり、ネストされたツリーや親子ポインタの走査は不要です。

メタデータフィールド

metadataのすべてのフィールドは設定で個別にオン・オフを切り替えられます：

日時のフォーマットもカスタマイズ可能です：日付はMDY / DMY / YMD、時刻は非表示 / 12時間制 / 24時間制から選択できます。

メッセージフィールド

コンテンツ処理

sayフィールドは処理パイプラインで生成されます — DOMパース、機能抽出（Deep Research、Web検索、推論）、フォーマット出力 — そのため、コードブロック、数式、構造化コンテンツはブラウザからの単純なコピー＆ペーストではなく、正確に保持されます。

AI固有のデータキャプチャ

出力フォーマット

• エンコーディング: UTF-8
• フォーマット: 2スペースインデント（人間が読みやすい形式）
• ファイル名: {プレフィックス}{会話タイトル}.json — プレフィックスはカスタマイズ可能（デフォルト: ChatGPT-）、ファイル名はOS互換性のためにサニタイズされ、Unicode正規化（NFC）されます
• MIMEタイプ: application/json

3.2 OpenAI公式データエクスポート

OpenAIはデータをエクスポートする組み込み機能を提供しています：

1. ChatGPTのSettings → Data Controls → Export Dataにアクセスします。
2. ZIPファイルが添付されたメールを待ちます（通常は数分ですが、最大24時間かかる場合もあります）。
3. 解凍してconversations.jsonを見つけます。

これにより、すべての会話を含む1つの大きなJSONファイルが得られます。ただし、構造はかなり複雑で、OpenAIの内部ツリーベースフォーマットを使用しています：

{
  "title": "Conversation Title",
  "create_time": 1713350400.0,
  "update_time": 1713354000.0,
  "mapping": {
    "aaa-msg-id-1": {
      "id": "aaa-msg-id-1",
      "message": {
        "author": { "role": "user" },
        "content": {
          "content_type": "text",
          "parts": ["Your message here"]
        },
        "create_time": 1713350400.0
      },
      "parent": null,
      "children": ["aaa-msg-id-2"]
    },
    "aaa-msg-id-2": {
      "id": "aaa-msg-id-2",
      "message": {
        "author": { "role": "assistant" },
        "content": {
          "content_type": "text",
          "parts": ["The AI response here"]
        },
        "create_time": 1713350415.0
      },
      "parent": "aaa-msg-id-1",
      "children": []
    }
  }
}

このフォーマットが扱いにくい理由：

OpenAI開発者コミュニティで広く議論されているように、このツリー構造では以下の処理が必要です：

1. 親ポインタを逆方向にたどって会話の順序を再構築する。
2. 分岐を処理する — プロンプトを編集すると、ChatGPTはツリーに新しいブランチを作成するため、1つの会話に複数のパスが存在し得る。
3. ネストされた配列からテキストを抽出する — メッセージの内容は単純な文字列ではなく、content.parts[]配列の中に埋まっている。
4. Unixタイムスタンプを変換する — 時刻は人間が読める形式ではなく、浮動小数点数（例：1713350400.0）として格納されている。
5. フォーマットの変更に対応する — コミュニティメンバーはフォーマットが時間とともに変化していると報告しており、Canvas、Web検索、画像生成などの新機能がさらに複雑さを増している。

メリット： 全履歴を1ファイルに統合。公式エクスポート。サードパーティツール不要。

デメリット： 最大24時間の待ち時間。大幅なパース処理が必要な深いネストのツリー構造。選択エクスポート不可。不要な会話も含めてすべてエクスポート。リアルタイムエクスポート不可。

3.3 ブラウザDevTools（手動）

生のAPIデータを素早く取得したい技術者向けの方法：

1. ブラウザでDevToolsを開きます（F12）。
2. Networkタブに移動します。
3. ChatGPTの会話に移動するか、ページを更新します。
4. conversationまたはbackend-apiでリクエストをフィルタリングします。
5. 会話データを含むレスポンスを見つけます。
6. 右クリック → Copy responseで.jsonファイルに貼り付けます。

メリット： ツール不要。生のAPIフォーマットを取得可能。即座に取得。

デメリット： 技術的知識が必要。複数の会話では手間がかかる。APIエンドポイントによってフォーマットが異なる。エクスポート間で一貫した構造がない。不完全なデータを取得しやすい。

4. 方法の比較

5. エクスポートしたJSONの活用法：8つの実践例

以下のサンプルはすべてChatGPT ExporterのJSONフォーマット（role、say、timeフィールド）を使用しています。OpenAI公式エクスポートを使用している場合は、まずmappingツリーからメッセージを抽出する必要があります。

5.1 Pythonで会話を分析する

エクスポートしたJSONをPythonに読み込んで簡単に分析：

import json
from collections import Counter
 
with open("ChatGPT-my-conversation.json") as f:
    data = json.load(f)
 
# Count messages by role
roles = Counter(msg["role"] for msg in data["messages"])
print(f"Your prompts: {roles.get('Prompt', 0)}")
print(f"AI responses: {roles.get('Response', 0)}")
 
# Find longest response (skip unselected messages with empty "say")
responses = [m for m in data["messages"] if m["role"] == "Response" and m["say"]]
longest = max(responses, key=lambda m: len(m["say"]))
print(f"Longest response: {len(longest['say'])} chars")
 
# Average response length
avg = sum(len(m["say"]) for m in responses) // len(responses)
print(f"Average response: {avg} chars")

5.2 すべてのコードブロックを抽出する

AIの回答からすべてのコードブロックを抽出します — 個人用のスニペットライブラリ構築に便利です：

import json
import re
 
with open("ChatGPT-my-conversation.json") as f:
    data = json.load(f)
 
for msg in data["messages"]:
    if msg["role"] == "Response" and msg["say"]:
        blocks = re.findall(r"```(\w+)?\n(.*?)```", msg["say"], re.DOTALL)
        for lang, code in blocks:
            print(f"--- {lang or 'text'} ---")
            print(code)

5.3 スプレッドシート用にCSVに変換する

JSONをCSVに変換して、ExcelやGoogle Sheetsで分析：

import json
import csv
 
with open("ChatGPT-my-conversation.json") as f:
    data = json.load(f)
 
with open("conversation.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["Role", "Content", "Time", "Word Count"])
    for msg in data["messages"]:
        if msg["say"]:  # skip unselected messages
            writer.writerow([
                msg["role"],
                msg["say"],
                msg.get("time", ""),
                len(msg["say"].split())
            ])

5.4 ファインチューニング用データセットを構築する

エクスポートした会話をOpenAIファインチューニングフォーマット（JSONL）に変換します。roleの値をChatGPT Exporterフォーマット（Prompt/Response）からAPIフォーマット（user/assistant）にマッピングする必要があります：

import json
 
ROLE_MAP = {"Prompt": "user", "Response": "assistant"}
 
with open("ChatGPT-my-conversation.json") as f:
    data = json.load(f)
 
# Convert to OpenAI fine-tuning format
training_data = []
messages = [m for m in data["messages"] if m["say"]]  # skip empty
for i in range(0, len(messages) - 1, 2):
    if messages[i]["role"] == "Prompt" and messages[i+1]["role"] == "Response":
        training_data.append({
            "messages": [
                {"role": "user", "content": messages[i]["say"]},
                {"role": "assistant", "content": messages[i+1]["say"]}
            ]
        })
 
with open("training.jsonl", "w") as f:
    for item in training_data:
        f.write(json.dumps(item) + "\n")
 
print(f"Created {len(training_data)} training examples")

5.5 jqで処理する（コマンドライン）

jqを使えば、コードを書かずにコマンドラインで即座に分析できます：

# Count total messages
jq '.messages | length' ChatGPT-my-conversation.json
 
# Get all your prompts (non-empty only)
jq -r '.messages[] | select(.role == "Prompt" and .say != "") | .say' ChatGPT-my-conversation.json
 
# Show conversation title and message count
jq '{title: .metadata.title, messages: (.messages | length)}' ChatGPT-my-conversation.json
 
# Count messages by role
jq '[.messages[].role] | group_by(.) | map({(.[0]): length}) | add' ChatGPT-my-conversation.json
 
# Word count per AI response
jq '.messages[] | select(.role == "Response" and .say != "") | {words: (.say | split(" ") | length)}' ChatGPT-my-conversation.json

5.6 SQLiteにインポートする

会話データをSQLiteデータベースに読み込んで、SQLベースのクエリを実行：

import json
import sqlite3
 
with open("ChatGPT-my-conversation.json") as f:
    data = json.load(f)
 
conn = sqlite3.connect("chatgpt.db")
conn.execute("""
    CREATE TABLE IF NOT EXISTS messages (
        id INTEGER PRIMARY KEY,
        role TEXT,
        content TEXT,
        time TEXT,
        word_count INTEGER
    )
""")
 
for msg in data["messages"]:
    if msg["say"]:  # skip unselected messages
        conn.execute(
            "INSERT INTO messages (role, content, time, word_count) VALUES (?, ?, ?, ?)",
            (msg["role"], msg["say"], msg.get("time", ""), len(msg["say"].split()))
        )
 
conn.commit()
print(f"Imported {sum(1 for m in data['messages'] if m['say'])} messages into chatgpt.db")

SQLでクエリ：

-- Message stats by role
SELECT role, COUNT(*) as count, AVG(word_count) as avg_words
FROM messages GROUP BY role;
 
-- Full-text search across all messages
SELECT role, content FROM messages WHERE content LIKE '%repository pattern%';

5.7 他のAIツールに入力する

ChatGPTの会話をJSONとしてエクスポートし、別のAIに入力して構造化分析を実行：

• ClaudeやGeminiに読み込ませて、同じ会話に対する異なる視点を得る。
• AI搭載の要約、翻訳、感情分析パイプラインへの入力として使用。
• LangChainやLlamaIndexにインポートして、検索拡張生成（RAG）システムを構築。

JSONは正確な構造とロールラベルを保持するため、プログラムによるAI間ワークフローに最適なフォーマットです。PDFは取り込み時に構造が失われてしまいます。

5.8 バージョン管理されたバックアップを作成する

エクスポートしたJSONファイルをGitリポジトリに保存して、バージョン管理されたバックアップを作成：

mkdir chatgpt-archive && cd chatgpt-archive
git init
 
# After each export, add and commit
git add ChatGPT-python-api-design.json
git commit -m "Export: Python API Design conversation"

これにより、差分、タイムスタンプ、任意のバージョンの復元機能を備えたエクスポートの完全な履歴が得られます。

6. JSONと他のエクスポート形式の比較

各フォーマットの使い分け：

• JSON — 会話を分析・変換・プログラム処理する場合に最適。開発者、データアナリスト、自動化ワークフローに最適です。
• Markdown — 会話を読み、編集し、ナレッジマネジメントツール（Obsidian、Notion、GitHub）に統合したい場合に最適。
• PDF — 技術ツールを使わない人とフォーマットされたドキュメントを共有する場合に最適。

7. より良いJSONエクスポートのためのヒント

7.1 選択エクスポートでクリーンなデータを

特定のやり取りだけが必要な場合に会話全体をエクスポートする必要はありません。ChatGPT Exporterの選択機能を使って、必要なメッセージだけを選びましょう。選択されなかったメッセージもJSON内に残りますが（会話構造を維持するため）、sayフィールドが空になるので、コードで簡単にフィルタリングできます：[m for m in data["messages"] if m["say"]]。

7.2 JSONのバリデーション

エクスポート後、処理前にファイルが正しい形式であることを確認しましょう：

# Using jq (install: brew install jq / apt install jq)
jq . ChatGPT-my-conversation.json > /dev/null && echo "Valid JSON"
 
# Using Python (no install needed)
python3 -m json.tool ChatGPT-my-conversation.json > /dev/null && echo "Valid JSON"

7.3 コードを書く前にjqで探索する

本格的なPythonスクリプトを書く前に、jqでデータをインタラクティブに探索しましょう：

# Pretty-print to understand the structure
jq '.' ChatGPT-my-conversation.json | head -30
 
# Quick look at metadata
jq '.metadata' ChatGPT-my-conversation.json
 
# Count messages by role
jq '[.messages[].role] | group_by(.) | map({(.[0]): length}) | add' ChatGPT-my-conversation.json

7.4 複数のエクスポートを統合する

複数の会話を個別にエクスポートした場合、1つのデータセットに統合できます：

import json
import glob
 
all_conversations = []
for file in sorted(glob.glob("ChatGPT-*.json")):
    with open(file) as f:
        conv = json.load(f)
        all_conversations.append({
            "title": conv["metadata"]["title"],
            "exported": conv["metadata"]["dates"]["exported"],
            "messages": [m for m in conv["messages"] if m["say"]]
        })
 
with open("all-conversations.json", "w") as f:
    json.dump(all_conversations, f, indent=2, ensure_ascii=False)
 
print(f"Merged {len(all_conversations)} conversations")

7.5 メタデータを有効にしておく

ChatGPT Exporterは、JSON出力にメタデータ（タイトル、タイムスタンプ、ユーザー情報、会話リンク）を含めます。これらのフィールドは有効にしておきましょう。エクスポートファイルが数十件に増えたとき、ソート、フィルタリング、整理に欠かせません。dates.exportedフィールドは、各バックアップの作成日時を追跡するのに特に便利です。

8. よくある質問

Q1: ChatGPTはネイティブでJSONにエクスポートできますか？

はい — ただし一括データエクスポート（Settings → Data Controls → Export Data）経由のみで、複雑なネスト構造を持つ1つのファイルにすべての会話がエクスポートされます。クリーンでフラットな構造の会話ごとのJSONエクスポートには、ChatGPT Exporterをお使いください。

Q2: ChatGPT ExporterのJSONとOpenAI公式エクスポートの違いは何ですか？

ChatGPT Exporterは、metadataとmessagesを持つフラットな構造を生成します。各メッセージにはrole（"Prompt" / "Response"）とsay（テキスト内容）があり、ループで直接イテレートできます。OpenAIのエクスポートは、親子参照を持つツリーベースのmapping、parts[]配列に埋め込まれたコンテンツ、Unixフロートのタイムスタンプを使用しており、大幅なパース処理が必要です。詳しくはセクション3をご覧ください。

Q3: JSONエクスポートを他のフォーマットに変換できますか？

はい — JSONは最も汎用性の高い出発点です。CSV（セクション5.3）、ファインチューニング用JSONL（セクション5.4）、SQLデータベース（セクション5.6）など、短いスクリプトであらゆるフォーマットに変換できます。

Q4: JSONエクスポートファイルのサイズはどのくらいですか？

一般的な会話（50〜100メッセージ）で50〜200 KBのJSONファイルが生成されます。コードブロックを含む長い会話では500 KB以上になることもあります。MarkdownやTXTよりやや大きいですが、PDFよりはかなり小さいです。

Q5: Deep ResearchレポートはJSONエクスポートに含まれますか？

はい。ChatGPT Exporterは、引用脚注とソースURLを含むDeep Researchレポート全体をキャプチャします。これはChatGPT Exporter独自の機能です — OpenAI公式エクスポートや他のツールではDeep Researchデータを完全には保持できません。

Q6: コードブロックはJSON内で保持されますか？

はい。コンテンツ処理パイプラインがコードブロックをプレーンテキストに変換しつつ、言語識別子と完全なコード内容を保持します。正規表現を使ってプログラムで抽出できます — セクション5.2の実際のサンプルをご覧ください。

Q7: JSONエクスポート機能は無料ですか？

はい、JSONエクスポートはChatGPT Exporterの無料版で利用できます。アカウントやサブスクリプションは不要です。

Q8: 自分のプロンプトなしでAIの回答だけをエクスポートできますか？

はい。SelectをクリックしてAnswersを選択すると、ChatGPTの回答のみを選択できます。個別のメッセージを手動でチェック/アンチェックすることも可能です。選択されなかったメッセージは構造的コンテキストのためにJSON内に残りますが、sayフィールドが空になるので、コードで簡単にフィルタリングできます。

Q9: エクスポートしたJSONをOpenAI APIで使用できますか？

はい、シンプルなロールマッピングで可能です。ChatGPT Exporterはロールラベルとして"Prompt"と"Response"を使用し、APIは"user"と"assistant"を使用します。辞書でマッピングしてください：{"Prompt": "user", "Response": "assistant"}。完全なファインチューニング変換例はセクション5.4をご覧ください。

Q10: グループ会話に対応していますか？

はい。グループチャット（ChatGPTの/gg/パス）では、ロールラベルが"Prompt" / "Response"の代わりに自動的に"Human"と"ChatGPT"に切り替わります。すべての参加者のメッセージが同じメタデータと設定で保持されます。

9. まとめ

JSONは、ChatGPTエクスポートにおけるパワーユーザー向けフォーマットです。会話パターンの分析、コードブロックの抽出、トレーニングデータセットの構築、データワークフローの自動化など、JSONは完全な構造化データを提供します。PDFやプレーンテキストのように、データを人間が読める形式だけに閉じ込めることはありません。

OpenAIの公式データエクスポートもJSONを提供しますが、その複雑なネスト構造と数時間の待ち時間により、日常的な使用には不便です。**ChatGPT Exporter**なら、ワンクリックでクリーンかつ整理されたJSONを取得できます。フラットなmetadata + messagesフォーマット、選択エクスポート、カスタマイズ可能なメタデータ、AI固有の機能（Deep Research引用、o1/o3推論、Web検索ソース）を備えており、他のツールではキャプチャできないデータも保持します。

今すぐ始めましょう：

• クイックスタートガイド
• Chrome Web Store