Открыть сервисСервис

CSV-формат

CSV (от англ. Comma-Separated Values, «значения, разделённые запятыми») — текстовый формат хранения табличных данных, в котором значения полей разделяются разделителем (обычно запятой), а строки — переводом строки. Каждая строка файла представляет собой одну запись таблицы, поля которой записаны в определённом порядке. Формат не имеет единого строгого стандарта, но наиболее распространённой является спецификация RFC 4180 (2005), а также её производные варианты.

История

CSV-формат возник в 1970-х годах в среде мейнфреймов IBM — первые упоминания разделённых запятыми файлов относятся к системам IBM 1401 и их программному обеспечению для обработки данных. Позднее формат получил широкое распространение в персональных компьютерах: в 1980-х годах CSV стал стандартным способом обмена данными между электронными таблицами (Lotus 1-2-3, Microsoft Excel) и базами данных.

В 2005 году организация IETF опубликовала стандарт RFC 4180, описывающий структуру CSV-файлов. Стандарт фиксирует основные правила: поля разделяются запятыми, записи — переводом строки (CRLF), а поля, содержащие запятые, кавычки или переводы строк, заключаются в двойные кавычки. RFC 4180 стал основой для большинства современных реализаций формата.

Структура файла

CSV-файл представляет собой последовательность строк, каждая из которых содержит одно или несколько полей. Минимальный пример:

`` Имя,Фамилия,Возраст Иван,Петров,34 Анна,Сидорова,28 ``

Первая строка часто (но не всегда) содержит заголовки столбцов. Данные начинаются со следующей строки.

Правила записи полей

Согласно RFC 4180:

  • Поля разделяются запятой (,).
  • Записи разделяются переводом строки (в стандарте — CRLF, в большинстве реализаций допускается и LF).
  • Поле может быть заключено в двойные кавычки ("). Кавычки обязательны, если поле содержит запятую, кавычку, перевод строки или ведущие/хвостовые пробелы.
  • Двойная кавычка внутри кавычкованного поля записывается как две подряд ("").
  • Пустое поле записывается как два разделителя подряд.

Пример поля со вложенными кавычками:

`` "ООО ""Ромашка"", Москва" ``

Разделители и кодировки

Хотя запятая является стандартным разделителем, на практике используются и другие варианты:

РазделительОбласть применения
Запятая (,)Стандарт RFC 4180, США, международный обмен
Точка с запятой (;)Европейские версии Excel, где запятая используется как десятичный разделитель
Табуляция (\t)TSV-файлы (Tab-Separated Values)
Вертикальная черта (`\`)Экспорт из ряда СУБД, конфигурационные файлы

Кодировка также не унифицирована. В России и Европе исторически распространена Windows-1251, в международном обмене — UTF-8 (часто с BOM — маркером порядка байтов, который помогает Excel корректно определить кодировку). Отсутствие единой кодировки — одна из основных проблем совместимости CSV-файлов.

Применение

CSV-формат используется в самых разных областях:

  • Обмен данными между программами. Почти все СУБД (PostgreSQL, MySQL, SQLite, Microsoft SQL Server) поддерживают экспорт и импорт CSV. Формат служит «универсальным адаптером» между системами с разными внутренними представлениями данных.
  • Загрузка данных в аналитические системы. Инструменты бизнес-аналитики и визуализации (Tableau, Power BI, Google Data Studio) принимают CSV как один из базовых форматов.
  • Научные данные. В биоинформатике, статистике и обработке данных CSV широко используется как формат хранения наблюдений и результатов экспериментов.
  • Конфигурация и списки. CSV применяется для хранения списков пользователей, адресов, товаров и других структурированных данных.

Достоинства и ограничения

К достоинствам формата относятся простота, читаемость человеком, поддержка практически всеми программами и независимость от платформы. CSV-файл можно открыть в текстовом редакторе, таблице или обработать скриптом на любом языке программирования.

К ограничениям относятся отсутствие единого стандарта (разные реализации могут по-разному трактовать кавычки, разделители и кодировки), невозможность представить иерархические данные без потери структуры, отсутствие встроенного описания типов полей и поддержки схемы. Для сложных структур данных CSV часто заменяют на JSON, XML или форматы с описанием схемы (Avro, Parquet).

Пример обработки

Наиболее распространённый способ чтения CSV-файлов в Python — стандартный модуль csv:

```python import csv

with open('data.csv', encoding='utf-8') as f: reader = csv.reader(f, delimiter=';') for row in reader: print(row) ```

Аналогичные возможности есть в стандартных библиотеках PHP, Perl, Java, C# и других языков.

Источники

  • RFC 4180. Common Format and MIME Type for Comma-Separated Values (CSV) Files, IETF, 2005
  • Tantau H. Comma-Separated Values (CSV) File Format // The OpenOffice.org Documentation Project
  • Microsoft Excel Documentation. Importing and Exporting Text Files
  • PostgreSQL Documentation. COPY — COPY data between a file and a table
Заметили ошибку или не согласны с информацией в статье? Напишите нам support@bfometr.ru