CSV 文件格式

描述

逗號分隔值（Comma-Separated Values，CSV，有時成為字符分隔值）。

其文件以純文本形式存儲表格數(shù)據(jù)（數(shù)字和文本），文件的每一行都是一個數(shù)據(jù)記錄。

每個記錄由一個或多個字段組成，用逗號分隔。使用逗號作為字段分隔符是此文件格式的名稱的來源，因為分隔字符也可以不是逗號，有時也稱為字符分隔值。

CSV 廣泛用于不同體系結(jié)構(gòu)的應(yīng)用程序之間交換數(shù)據(jù)表格信息，解決不兼容數(shù)據(jù)格式的互通問題。一般按照傳輸雙方既定標(biāo)準(zhǔn)進(jìn)行格式定義，而其本身并無明確格式標(biāo)準(zhǔn)。

特征

• 文件采用純文本存儲，需要使用某個字符集（ASCII、Unicode、UTF-8等）
• 數(shù)據(jù)由記錄組成（一般是每一行一條記錄）
• 每條記錄被分隔符分為一個個字段（常用的分隔符有 ','，'\t'，' '，';'等）
• 每條記錄都有同樣的字段序列

優(yōu)點

由于 CSV 文件格式的特性。

CSV 格式的文件可以用 Excel 和 WPS 等表格工具以表格的形式打開，便于查看和編輯。

缺點

由于 CSV 文件格式?jīng)]有嚴(yán)格的標(biāo)準(zhǔn)（實際上可以認(rèn)為沒有標(biāo)準(zhǔn)），會造成使用不同的工具打開時會有不同程度的亂碼問題。

（你本地的 Excel 和 WPS 打開同一個 CSV 文件，往往顯示的情況會不一樣。甚至同一個 Excel 軟件的不同版本，也會顯示不一樣的結(jié)果）

所以進(jìn)行一些約定很重要。

CSV 文件解析的關(guān)鍵點

字符集：由于文件是采用純文本存儲的，不同字符集對每個字符的存儲方式不一樣。需要統(tǒng)一采用一個字符集才能很好的進(jìn)行兼容。（關(guān)于常用的 ASCII、Unicode、UTF-8 字符集可以看一下這個ASCII、Unicode、UTF-8）

分隔符：一般常用的是 ','（逗號分隔符）。但是有些 CSV 文件需要存儲文章句子信息等，這些信息 ',' 符是常用字符，容易造成解析出錯或者解析方法復(fù)雜?？梢赃x用 '^' / '\t' 等不常用的字符作為分隔符。應(yīng)用途而異，具體問題具體分析。

記錄分隔：一般來說以一行為一條記錄，那么記錄與記錄之間就是常用"換行符"進(jìn)行分隔的？這里就需要看一下附錄：回車符 CR 與換行符 LF 的行末結(jié)束符之爭。

空字段：我們常使用 CSV 文件當(dāng)做表格來處理，那么表格顯然存儲某些字段為空的情況。這種情況下需要注意保留兩個分隔符，表示一段空字段。

Excel 和 WPS 建議格式

Warning：個人測試結(jié)果，有問題不要打我?。。。y免有版本問題）

Warning：個人測試結(jié)果，有問題不要打我?。。。y免有版本問題）

Warning：個人測試結(jié)果，有問題不要打我?。。。y免有版本問題）

由于經(jīng)常使用的文字包含 英文 和 簡體中文，需要考慮一個合適的字符集：

基本上滿足以上要求的，可以完美的用 Excel 和 WPS 打開查看和編輯和。

附錄：回車符 CR 與換行符 LF 的行末結(jié)束符之爭

在計算機出現(xiàn)之前，人們常用電傳打字機（Teletype Model 33）打印字符，它每秒可以打印 10 個字符（0.1 秒 / 字符）。

但在打印完一行后，準(zhǔn)備換行時發(fā)現(xiàn)換行需要用去 0.2 秒。

而這 0.2 秒正好可以打印兩個字符。

如果這 0.2 秒內(nèi)有新的字符傳過來，那么傳過來的字符將會丟失（因為它正在換行，無法進(jìn)行打印作業(yè)）。

電傳打字機的研發(fā)人員為了解決此問題，決定在每行后面添加兩個表示接受的字符：CR、LF

CR（Carriage Return，回車符）：告訴打字機把打印頭重定位在該行的左邊界

LF（Line Feed，換行符）：告訴打字機把打印頭下移一行，即把紙向下移一行

隨著計算機的出現(xiàn)，這種處理機制被移到計算機上。

但是早期計算機容量很小（存儲器很貴），有人認(rèn)為每行結(jié)尾加 2 個字符太浪費了，應(yīng)該加 1 個字符就行。

從此出現(xiàn) 行末結(jié)束符 之爭：

換行符（'\n'，LF，Line Feed）
回車符（'\r'，CR，Carriage Return）

這種分歧導(dǎo)致：

Windows 打開 Linux 的文件，所有的文字都會變成一行（因為 Windows 認(rèn)為 CRLF 才表示換行）

而 Linux 打開windows 文件，每一行結(jié)尾會多出一個 ^M 符號