Format Pliku CSV
Co to jest plik CSV?
Pliki z rozszerzeniem .csv (Comma Separated Values) reprezentują zwykłe pliki tekstowe, które zawierają rekordy danych z wartościami oddzielonymi przecinkami. Każda linia w pliku CSV to nowy rekord ze zbioru rekordów zawartych w pliku. Takie pliki są generowane, gdy zamierzony jest transfer danych z jednego systemu pamięci masowej do drugiego. Ponieważ wszystkie aplikacje potrafią rozpoznawać rekordy oddzielone przecinkiem, import takich plików danych do bazy danych odbywa się w bardzo wygodny sposób. Prawie wszystkie aplikacje do obsługi arkuszy kalkulacyjnych, takie jak Microsoft Excel lub OpenOffice Calc, mogą importować pliki CSV bez większego wysiłku. Dane importowane z takich plików są uporządkowane w komórkach arkusza kalkulacyjnego w celu przedstawienia ich użytkownikowi.
Krótka historia
Poniżej znajduje się kilka krótkich faktów na temat pochodzenia i historii formatu plików CSV.
1972 - Kompilator IBM Fortran (rozszerzony poziom H) wspiera je pod OS/360
1978 - Wejście/wyjście kierowane na listę było obsługiwane przez FORTRAN 77, który używał przecinków i spacji jako ograniczników
2005 — CSV został znormalizowany za pomocą RFC4180 jako typ zawartości MIME.
2013 - braki RFC4180 zostały usunięte przez rekomendację W3C
2015 - W3C stworzyło pierwsze szkice rekomendacji dla standardów metadanych CSV, które zaczęły jako rekomendacje w grudniu 2015
Konwertuj pliki CSV
Pliki CSV można konwertować do kilku różnych formatów plików za pomocą aplikacji, które mogą otwierać te pliki. Na przykład program Microsoft Excel może importować dane z pliku w formacie CSV i zapisywać je w plikach XLS, XLSX, PDF, TXT , XML i HTML. Podobnie inne usługi stacjonarne i internetowe zapewniają możliwość eksportowania plików CSV do HTML, ODS i RTF.
Format pliku CSV
Wiadomo, że format pliku CSV jest określony w RFC4180. Definiuje każdy plik jako zgodny z CSV, jeśli:
- Każdy rekord znajduje się w osobnym wierszu oddzielonym znakiem końca wiersza (CRLF). Na przykład:
- aaa, bbb, ccc CRLF
- zzz,yyy,xxx CRLF
- Ostatni rekord w pliku może mieć koniec wiersza lub nie. Na przykład:
- aaa, bbb, ccc CRLF
- zzz,rrrr,xxx
- Może istnieć opcjonalna linia nagłówka pojawiająca się jako pierwsza linia pliku w tym samym formacie, co normalne linie rekordu. Nagłówek ten będzie zawierał nazwy odpowiadające polom w pliku i powinien zawierać taką samą liczbę pól jak rekordy w pozostałej części pliku (obecność lub brak linii nagłówka należy wskazać za pomocą opcjonalnego parametru „header” tego pliku typu MIME). Na przykład:
- nazwa_pola,nazwa_pola,nazwa_pola CRLF
- aaa, bbb, ccc CRLF
- zzz,yyy,xxx CRLF
- W nagłówku i każdym rekordzie może znajdować się jedno lub więcej pól oddzielonych przecinkami. Każda linia powinna zawierać taką samą liczbę pól w całym pliku. Pomieszczenia są uważane za część pola i nie należy ich ignorować. Po ostatnim polu rekordu nie może występować przecinek. Na przykład:
- aaa, bbb, ccc
- Każde pole może być ujęte w podwójny cudzysłów lub nie (jednakże niektóre programy, takie jak Microsoft Excel, w ogóle nie używają podwójnych cudzysłowów). Jeśli pola nie są ujęte w podwójne cudzysłowy, podwójne cudzysłowy mogą nie pojawiać się wewnątrz pól. Na przykład:\
- „aaa”, „bbb”, „ccc” CRLF
- zzz,rrrr,xxx
- Pola zawierające podziały wierszy (CRLF), podwójne cudzysłowy i przecinki należy ująć w cudzysłowy. Na przykład:
- “aaa”,“b CRLF
- bb”,“ccc” CRLF
- zzz,rrrr,xxx
- Jeśli podwójne cudzysłowy są używane do ujmowania pól, wówczas podwójny cudzysłów występujący wewnątrz pola musi być poprzedzony innym podwójnym cudzysłowem. Na przykład:
- “aaa”,“b"“bb”,“ccc”
Jednak w świetle współczesnego użycia ogranicznik nie ogranicza się tylko do przecinka i może również być średnikiem, tabulatorem lub spacjami. Aplikacje, takie jak Microsoft Excel, udostępniają opcję określenia znaku separatora podczas importowania rekordów z pliku CSV.