CSV Formatter

Co je formátování CSV?

Formátování CSV (Comma-Separated Values) je proces normalizace nezpracovaného tabulkového textu tak, aby oddělovače, uvozování, mezery a konce řádků dodržovaly konzistentní sadu pravidel. RFC 4180, publikovaný v roce 2005, definuje nejrozšířenější standard CSV: pole oddělená čárkami, záznamy ukončené sekvencí CRLF a každé pole obsahující čárku, dvojité uvozovky nebo nový řádek zabalené do dvojitých uvozovek. CSV formatter vezme neuspořádaná nebo nekonzistentní CSV data a přepíše je tak, aby odpovídala těmto konvencím.

Skutečné CSV soubory zřídka přicházejí v čisté podobě. Exporty z Excelu, Google Sheets a nástrojů pro dump databází uplatňují různé strategie uvozování, nakládají s mezerami odlišně a mohou používat středníky nebo tabulátory místo čárek. Když tyto soubory předáte parseru, který očekává přísný vstup dle RFC 4180, výsledkem jsou obvykle rozbité řádky, posunuté sloupce nebo tichá ztráta dat. Formátování před zpracováním odhalí tyto problémy včas.

CSV formatter se liší od CSV konvertoru. Formátování ponechává data v CSV. Normalizuje uvozování, ořezává zbytečné mezery, zarovnává sloupce a volitelně přepíná oddělovač. Konverze mění formát zcela — vytváří výstup ve formátu JSON, HTML, SQL nebo Markdown.

Proč používat tento CSV Formatter?

Tento nástroj parsuje a znovu serializuje vaše CSV zcela v prohlížeči. Vaše data nikdy neopustí váš počítač.

Případy použití CSV Formatteru

Pravidla uvozování a escapování v CSV (RFC 4180)

RFC 4180 definuje konkrétní pravidla pro to, kdy a jak musí být pole uvozována. Šest scénářů níže pokrývá případy, kdy na chování uvozování záleží.

Porovnání oddělovačů CSV

Volba oddělovače ovlivňuje kompatibilitu, čitelnost a to, jak často budete potřebovat uvozovaná pole.

Příklady kódu

Tyto příklady ukazují, jak parsovat neuspořádaná CSV data a znovu je serializovat s konzistentním formátováním v různých jazycích. Každý úryvek zpracovává ořezání mezer, normalizaci oddělovačů a uvozování.

import { parse, unparse } from 'papaparse'

const messy = `name, age ,city
Alice , 30, Berlin
Bob,25 , " Tokyo "`

// Parse with trimming, then re-serialize with consistent formatting
const parsed = parse(messy, {
  header: true,
  skipEmptyLines: true,
  transformHeader: h => h.trim(),
  transform: v => v.trim(),
})

const clean = unparse(parsed.data, { quotes: true })
console.log(clean)
// → "name","age","city"
// → "Alice","30","Berlin"
// → "Bob","25","Tokyo"

import csv
import io

messy = """name, age ,city
Alice , 30, Berlin
Bob,25 , " Tokyo " """

reader = csv.DictReader(io.StringIO(messy), skipinitialspace=True)
output = io.StringIO()
writer = csv.DictWriter(
    output,
    fieldnames=[f.strip() for f in reader.fieldnames],
    quoting=csv.QUOTE_ALL,
)
writer.writeheader()
for row in reader:
    writer.writerow({k.strip(): v.strip() for k, v in row.items()})

print(output.getvalue())
# → "name","age","city"
# → "Alice","30","Berlin"
# → "Bob","25","Tokyo"

package main

import (
	"encoding/csv"
	"fmt"
	"strings"
)

func main() {
	input := "name,age,city\nAlice,30,Berlin\nBob,25,Tokyo"
	r := csv.NewReader(strings.NewReader(input))
	records, _ := r.ReadAll()

	var buf strings.Builder
	w := csv.NewWriter(&buf)
	w.UseCRLF = true // RFC 4180 line endings
	for _, record := range records {
		_ = w.Write(record)
	}
	w.Flush()
	fmt.Print(buf.String())
	// → name,age,city\r\n
	// → Alice,30,Berlin\r\n
	// → Bob,25,Tokyo\r\n
}

# Re-format a CSV file with csvkit (Python-based)
csvformat -D ";" input.csv > output.csv

# Convert tabs to commas
csvformat -t input.tsv > output.csv

# Force-quote all fields
csvformat -U 1 input.csv > quoted.csv

# Using Miller (mlr) to normalize
mlr --icsv --ocsv --quote-all cat input.csv > clean.csv

Časté dotazy