Formater CSV

Czym jest formatowanie CSV?

Formatowanie CSV (Comma-Separated Values) to proces normalizacji surowego tekstu tabelarycznego tak, aby separatory, cudzysłowy, białe znaki i zakończenia wierszy były zgodne ze spójnym zestawem reguł. RFC 4180, opublikowany w 2005 roku, definiuje najszerzej stosowany standard CSV: pola oddzielone przecinkami, rekordy zakończone CRLF, a każde pole zawierające przecinek, cudzysłów lub znak nowej linii ujęte w cudzysłowy. Formater CSV pobiera nieuporządkowane lub niespójne dane CSV i przepisuje je zgodnie z tymi konwencjami.

Pliki CSV z rzeczywistych źródeł rzadko są dostępne w czystej postaci. Eksporty arkuszy kalkulacyjnych z Excela, Google Sheets i narzędzi do zrzutu baz danych stosują różne strategie cytowania, odmiennie obsługują białe znaki i mogą używać średników lub tabulatorów zamiast przecinków. Gdy takie pliki trafiają do parsera oczekującego ścisłego wejścia RFC 4180, wynikiem są często uszkodzone wiersze, przesunięte kolumny lub ciche utracenie danych. Formatowanie przed przetwarzaniem pozwala wykryć te problemy na wczesnym etapie.

Formater CSV różni się od konwertera CSV. Formatowanie pozostawia dane w formacie CSV — normalizuje cudzysłowy, przycina zbędne białe znaki, wyrównuje kolumny i opcjonalnie zmienia separator. Konwersja całkowicie zmienia format, produkując dane wyjściowe jako JSON, HTML, SQL lub Markdown.

Dlaczego warto używać tego formatera CSV?

Narzędzie parsuje i ponownie serializuje dane CSV w całości w przeglądarce. Twoje dane nigdy nie opuszczają urządzenia.

Zastosowania formatera CSV

Zasady cytowania i ucieczki w CSV (RFC 4180)

RFC 4180 definiuje konkretne zasady dotyczące tego, kiedy i jak pola muszą być cytowane. Sześć scenariuszy poniżej obejmuje przypadki, w których sposób cytowania ma znaczenie.

Porównanie separatorów CSV

Wybór separatora wpływa na kompatybilność, czytelność i częstotliwość, z jaką będziesz potrzebować cytowanych pól.

Przykłady kodu

Te przykłady pokazują, jak parsować nieuporządkowany CSV i ponownie go serializować ze spójnym formatowaniem w różnych językach programowania. Każdy fragment obsługuje przycinanie białych znaków, normalizację separatorów i cytowanie.

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

Często zadawane pytania