CSV to Markdown

Vad är CSV till Markdown-konvertering?

Att konvertera CSV till en Markdown-tabell är en vanlig uppgift för utvecklare. CSV (Comma-Separated Values) lagrar tabelldata som oformaterad text, med varje rad på en egen rad och fälten separerade av en avgränsare, till exempel ett kommatecken eller en tabb. Det är standardexportformatet för kalkylblad, SQL-klienter och analysverktyg. CSV-filer är kompakta och enkla att generera, men de saknar inbyggda möjligheter att styra hur data ser ut när det visas. En CSV-fil öppnad i en textredigerare är en vägg av kommaavgränsade strängar — läsbar för maskiner men svår för människor att överblicka.

Markdown-tabeller löser detta läsbarhetsproblem. De definieras av GitHub Flavored Markdown (GFM)-specifikationen och stöds av GitHub, GitLab, Bitbucket, Notion, Obsidian och statiska webbplatsgeneratorer som Hugo och Jekyll — överallt där Markdown bearbetas renderas de som rena HTML-tabeller. Syntaxen använder pipe-tecken för att separera kolumner och en obligatorisk separatorrow med streck mellan rubrik- och brödtextraderna.

Att konvertera CSV till en Markdown-tabell innebär att varje rad omsluts i pipe-avgränsad syntax och att separatorraden infogas efter rubriken. Den första raden i CSV:en blir tabellrubriken och varje efterföljande rad blir en brödtextrad. Du behöver detta när du klistrar in strukturerad data i en README, en pull request-beskrivning, en wiki-sida eller ett Markdown-dokumentationssystem.

Varför använda det här verktyget?

Den här konverteraren tolkar din CSV i webbläsaren, bygger Markdown-tabellutmatningen omedelbart och skickar aldrig dina data till en server.

Användningsfall för CSV till Markdown

Referens för Markdown-tabellsyntax

Markdown-tabeller följer GitHub Flavored Markdown (GFM)-specifikationen. Varje tabell kräver en rubrikrad, en separatorrow och en eller flera brödtextrader. Separatorraden styr kolumnjustering.

CSV vs Markdown-tabell

Båda formaten representerar tabelldata som oformaterad text. CSV är för maskiner och datapipelines; Markdown-tabeller är för människor som läser dokumentation.

Kodexempel

Följande exempel visar hur man konverterar CSV till en Markdown-tabell programmatiskt i olika språk. Vart och ett producerar en giltig GFM-tabell.

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

const [headerLine, ...rows] = csv.trim().split('\n')
const headers = headerLine.split(',')

const separator = '| ' + headers.map(() => '---').join(' | ') + ' |'
const headerRow = '| ' + headers.join(' | ') + ' |'
const bodyRows = rows.map(row =>
  '| ' + row.split(',').join(' | ') + ' |'
)

const markdown = [headerRow, separator, ...bodyRows].join('\n')
// → | name | age | city |
// → | --- | --- | --- |
// → | Alice | 30 | Berlin |
// → | Bob | 25 | Tokyo |

import csv
import io

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

reader = csv.reader(io.StringIO(csv_string))
rows = list(reader)
headers = rows[0]

lines = []
lines.append('| ' + ' | '.join(headers) + ' |')
lines.append('| ' + ' | '.join('---' for _ in headers) + ' |')
for row in rows[1:]:
    lines.append('| ' + ' | '.join(row) + ' |')

print('\n'.join(lines))
# → | name | age | city |
# → | --- | --- | --- |
# → | Alice | 30 | Berlin |
# → | Bob | 25 | Tokyo |

# With pandas (one-liner)
import pandas as pd
df = pd.read_csv(io.StringIO(csv_string))
print(df.to_markdown(index=False))

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()

	headers := records[0]
	var lines []string

	lines = append(lines, "| "+strings.Join(headers, " | ")+" |")
	sep := make([]string, len(headers))
	for i := range sep {
		sep[i] = "---"
	}
	lines = append(lines, "| "+strings.Join(sep, " | ")+" |")

	for _, row := range records[1:] {
		lines = append(lines, "| "+strings.Join(row, " | ")+" |")
	}

	fmt.Println(strings.Join(lines, "\n"))
	// → | name | age | city |
	// → | --- | --- | --- |
	// → | Alice | 30 | Berlin |
	// → | Bob | 25 | Tokyo |
}

# Using Miller (mlr) — convert CSV to Markdown table
mlr --icsv --omarkdown cat data.csv
# → | name | age | city |
# → | --- | --- | --- |
# → | Alice | 30 | Berlin |

# Using csvtomd (pip install csvtomd)
csvtomd data.csv

# Using pandas in a one-liner
python3 -c "
import pandas as pd, sys
print(pd.read_csv(sys.argv[1]).to_markdown(index=False))
" data.csv

Vanliga frågor