「どのデータフォーマットを使えばいいの？」

API設計、設定ファイル作成、データ交換など、開発者なら必ず直面するこの疑問。選択肢は多いけれど、それぞれに適した場面や特徴があることをご存知でしょうか？

現代の開発現場では、主に4つのデータフォーマットが活躍しています：

JSON - Web APIの定番
XML - 企業システムの老舗
YAML - 設定ファイルの新星
TOML - 型安全な現代的選択肢

この記事では、これらのフォーマットを実際のコード例とともに比較し、「いつ、どれを使うべきか」を明確にします。プロジェクトに最適なフォーマット選択ができるようになりましょう。

実践比較：同じ内容を4つのフォーマットで表現

エンジニアのプロフィールを例に、各フォーマットでの記述方法を見てみましょう。

JSON形式

{
  "name": "taramanji",
  "job_title": "バックエンドエンジニア",
  "age": 28,
  "email": "tarakokko3233@gmail.com",
  "skills": ["Python", "TensorFlow", "Docker", "AWS"],
  "certifications": ["AWS Solutions Architect", "Google Cloud ML Engineer"],
  "favorite_tools": {
    "ide": "VS Code",
    "ai_framework": "PyTorch",
    "deployment": "Kubernetes"
  },
  "github_repos": 47,
  "remote_work": true,
  "joined_date": "2022-03-15",
  "current_project": "チャットボット開発"
}

XML形式

<?xml version="1.0" encoding="UTF-8"?>
<engineer xmlns:skill="http://skills.tech.com">
  <name>taramanji</name>
  <job_title>バックエンドエンジニア</job_title>
  <age>28</age>
  <email type="business">tarakokko3233@gmail.com</email>
  <skill:technical_skills>
    <skill:skill level="expert">Python</skill:skill>
    <skill:skill level="advanced">TensorFlow</skill:skill>
    <skill:skill level="intermediate">Docker</skill:skill>
    <skill:skill level="advanced">AWS</skill:skill>
  </skill:technical_skills>
  <certifications>
    <certification>AWS Solutions Architect</certification>
    <certification>Google Cloud ML Engineer</certification>
  </certifications>
  <favorite_tools>
    <ide>VS Code</ide>
    <ai_framework>PyTorch</ai_framework>
    <deployment>Kubernetes</deployment>
  </favorite_tools>
  <github_repos count="47"/>
  <remote_work enabled="true"/>
  <joined_date>2022-03-15</joined_date>
  <current_project status="active">チャットボット開発</current_project>
</engineer>

YAML形式

# 🤖 バックエンドエンジニアプロフィール
name: taramanji
job_title: バックエンドエンジニア
age: 28
email: tarakokko3233@gmail.com

# 💻 技術スタック
skills:
  - Python        # メイン言語
  - TensorFlow    # 機械学習
  - Docker        # コンテナ化
  - AWS           # クラウド

certifications:
  - "AWS Solutions Architect"
  - "Google Cloud ML Engineer"

# 🛠️ お気に入りツール
favorite_tools:
  ide: VS Code
  ai_framework: PyTorch
  deployment: Kubernetes

# 📊 活動データ
github_repos: 47
remote_work: true
joined_date: 2022-03-15
current_project: チャットボット開発

# 🎯 今後の目標
goals: &career_goals
  - MLOpsの習得
  - 論文発表
  - OSS貢献

# 📋 プロジェクト履歴
projects:
  chatbot: &bot_project
    name: チャットボット開発
    tech_stack: [Python, FastAPI, OpenAI]
    status: active
  
  recommendation:
    <<: *bot_project
    name: レコメンドエンジン
    tech_stack: [Python, scikit-learn, Redis]
    status: completed

TOML形式

# 🤖 バックエンドエンジニアプロフィール
name = "taramanji"
job_title = "バックエンドエンジニア"
age = 28
email = "tarakokko3233@gmail.com"
skills = ["Python", "TensorFlow", "Docker", "AWS"]
certifications = ["AWS Solutions Architect", "Google Cloud ML Engineer"]
github_repos = 47
remote_work = true
joined_date = 2022-03-15
current_project = "チャットボット開発"

# 🛠️ お気に入りツール
[favorite_tools]
ide = "VS Code"
ai_framework = "PyTorch"
deployment = "Kubernetes"

# 📋 プロジェクト履歴
[[projects]]
name = "チャットボット開発"
tech_stack = ["Python", "FastAPI", "OpenAI"]
status = "active"
start_date = 2024-01-15

[[projects]]
name = "レコメンドエンジン"
tech_stack = ["Python", "scikit-learn", "Redis"]
status = "completed"
start_date = 2023-06-01
end_date = 2023-12-20

# 🎯 キャリア設定
[career]
current_level = "senior"
next_goal = "tech_lead"
learning_focus = ["MLOps", "Kubernetes", "論文執筆"]

# 📊 パフォーマンス指標
[metrics]
code_review_score = 4.8
team_satisfaction = 9.2
project_success_rate = 0.95

1. JSON (JavaScript Object Notation)

特徴

軽量で読みやすいテキストベースのデータ交換フォーマット
JavaScriptのオブジェクト記法をベースとしているが、言語に依存しない
パース速度が速い
Web APIでの標準的なデータフォーマット

構文

{
  "name": "taramanji",
  "job_title": "バックエンドエンジニア",
  "age": 28,
  "email": "tarakokko3233@gmail.com",
  "skills": ["Python", "TensorFlow", "Docker", "AWS"],
  "certifications": ["AWS Solutions Architect", "Google Cloud ML Engineer"],
  "favorite_tools": {
    "ide": "VS Code",
    "ai_framework": "PyTorch",
    "deployment": "Kubernetes"
  },
  "github_repos": 47,
  "remote_work": true,
  "joined_date": "2022-03-15",
  "current_project": "チャットボット開発"
}

メリット

✅ 軽量で転送効率が良い
✅ ほぼ全てのプログラミング言語でサポート
✅ パース速度が高速
✅ Web標準として広く採用
✅ ネストしたデータ構造を簡潔に表現

デメリット

❌ コメントが書けない
❌ データ型が限定的（文字列、数値、真偽値、null、配列、オブジェクトのみ）
❌ 日付型がない
❌ 多行文字列の扱いが不便

主な使用例

REST APIのレスポンス・リクエスト
設定ファイル（package.json、tsconfig.json）
NoSQLデータベース（MongoDB）
Webhookペイロード（GitHub、Slack）

2. XML (eXtensible Markup Language)

特徴

マークアップ言語ベースの構造化データフォーマット
スキーマ検証（XSD）による厳密なデータ検証が可能
名前空間によるタグの競合回避
企業システムやレガシーシステムで広く使用

構文

<?xml version="1.0" encoding="UTF-8"?>
<engineer xmlns:skill="http://skills.tech.com">
  <name>taramanji</name>
  <job_title>バックエンドエンジニア</job_title>
  <age>28</age>
  <email type="business">tarakokko3233@gmail.com</email>
  <skill:technical_skills>
    <skill:skill level="expert">Python</skill:skill>
    <skill:skill level="advanced">TensorFlow</skill:skill>
    <skill:skill level="intermediate">Docker</skill:skill>
    <skill:skill level="advanced">AWS</skill:skill>
  </skill:technical_skills>
  <certifications>
    <certification>AWS Solutions Architect</certification>
    <certification>Google Cloud ML Engineer</certification>
  </certifications>
  <favorite_tools>
    <ide>VS Code</ide>
    <ai_framework>PyTorch</ai_framework>
    <deployment>Kubernetes</deployment>
  </favorite_tools>
  <github_repos count="47"/>
  <remote_work enabled="true"/>
  <joined_date>2022-03-15</joined_date>
  <current_project status="active">チャットボット開発</current_project>
</engineer>

メリット

✅ スキーマ検証による厳密なデータ検証
✅ 名前空間による要素名の競合回避
✅ 属性と要素の両方でデータ表現が可能
✅ メタデータを豊富に含められる
✅ XSLTによる変換処理が可能

デメリット

❌ 冗長でファイルサイズが大きくなりがち
❌ 記述が複雑で人間が読みにくい
❌ パース処理が重い
❌ 現代的な開発では使用頻度が減少

主な使用例

企業間データ交換（B2B統合）
Spring Framework設定
Maven/Gradleの依存関係管理
RSS/Atomフィード
SOAP Web Services

3. YAML (YAML Ain't Markup Language)

特徴

人間が読みやすいデータシリアライゼーション標準
インデントによる階層構造の表現
コメントの記述が可能
多行文字列の自然な表現

構文

# 🤖 バックエンドエンジニアプロフィール
name: taramanji
job_title: バックエンドエンジニア
age: 28
email: tarakokko3233@gmail.com

# 💻 技術スタック
skills:
  - Python        # メイン言語
  - TensorFlow    # 機械学習
  - Docker        # コンテナ化
  - AWS           # クラウド

certifications:
  - "AWS Solutions Architect"
  - "Google Cloud ML Engineer"

# 🛠️ お気に入りツール
favorite_tools:
  ide: VS Code
  ai_framework: PyTorch
  deployment: Kubernetes

# 📊 活動データ
github_repos: 47
remote_work: true
joined_date: 2022-03-15
current_project: チャットボット開発

メリット

✅ 非常に読みやすい（設定ファイルに最適）
✅ コメントが書ける
✅ 多行文字列の自然な表現
✅ リッチなデータ型（日付、多行文字列等）
✅ アンカーと参照による重複排除

デメリット

❌ インデントミスによるエラーが起きやすい
❌ パース速度がJSONより遅い
❌ セキュリティリスク（任意のPythonオブジェクトの実行等）
❌ タブとスペースの混在でエラーになる

主な使用例

GitHub Actionsワークフロー
Docker Composeのサービス定義
Kubernetesマニフェスト
Ansibleプレイブック
OpenAPI/Swagger仕様書

4. TOML (Tom's Obvious, Minimal Language)

特徴

設定ファイルに特化したフォーマット
明確で最小限の構文
強い型付け
明確なエラーメッセージ

構文

# 🤖 バックエンドエンジニアプロフィール
name = "佐藤あい"
job_title = "バックエンドエンジニア"
age = 28
email = "tarakokko3233@gmail.com"
skills = ["Python", "TensorFlow", "Docker", "AWS"]
certifications = ["AWS Solutions Architect", "Google Cloud ML Engineer"]
github_repos = 47
remote_work = true
joined_date = 2022-03-15
current_project = "チャットボット開発"

# 🛠️ お気に入りツール
[favorite_tools]
ide = "VS Code"
ai_framework = "PyTorch"
deployment = "Kubernetes"

メリット

✅ 設定ファイルに最適化された設計
✅ 型安全で曖昧さがない
✅ コメントサポート
✅ 明確なエラーメッセージ
✅ 複雑なネスト構造も表現可能

デメリット

❌ 比較的新しいフォーマットで採用事例が限定的
❌ ライブラリサポートがJSONやYAMLより少ない
❌ データ交換用途には向かない

主な使用例

Rustプロジェクト（Cargo.toml）
Pythonパッケージ設定（pyproject.toml）
アプリケーション設定ファイル
Hugo静的サイト設定
Poetry依存関係管理

フォーマット比較表

特徴	JSON	XML	YAML	TOML
可読性	○	△	◎	◎
記述性	△	○	◎	○
パース速度	◎	△	○	○
ファイルサイズ	◎	△	○	○
コメント	✗	○	○	○
型安全性	△	○	△	◎
ライブラリサポート	◎	○	○	△
学習コスト	低	高	中	低

使い分けのガイドライン

JSON を選ぶべき場面

REST APIの設計
Web アプリケーションでの設定
JavaScript/TypeScriptプロジェクト
NoSQLデータベースへの保存
リアルタイム通信（WebSocket等）

XML を選ぶべき場面

企業システムの開発
厳密なスキーマ検証が必要
Spring Frameworkプロジェクト
Maven/Gradleビルド設定
企業間データ交換（B2B）

YAML を選ぶべき場面

CI/CDパイプライン設定（GitHub Actions等）
Docker Composeのマルチコンテナ設定
Kubernetesのマニフェスト
設定ファイル（複雑なもの）
人間が頻繁に編集するファイル

TOML を選ぶべき場面

Rustプロジェクトの設定
型安全性が重要なアプリケーション設定
モダンなツールの設定ファイル
明確なエラー処理が必要

まとめ

現代の開発における各フォーマットの役割：

JSON: Web開発の標準

Web API、フロントエンド開発
軽量で高速なデータ交換

XML: 企業システムの安定選択

Spring Boot、Maven/Gradle
厳密なデータ検証が必要な場面

YAML: DevOpsの必須スキル

CI/CD、Docker、Kubernetes
人間が読み書きしやすい設定

TOML: モダン言語の新定番

Rust、Python（Poetry）
型安全で明確な設定ファイル

選択の指針：

API・データ交換 → JSON
DevOps・インフラ → YAML
型安全な設定 → TOML
企業システム → XML

プロジェクトの性質に合わせて最適なフォーマットを選びましょう。
この記事が皆さんのデータフォーマット選択の参考になれば幸いです。適切なフォーマットの選択がプロジェクトの成功に直結します。ぜひ実際のプロジェクトで試してみてください！