Công cụ định dạng CSV

Định dạng CSV là gì?

Định dạng CSV (Comma-Separated Values) là quá trình chuẩn hóa văn bản dạng bảng thô sao cho dấu phân cách, trích dẫn, khoảng trắng và ký tự kết thúc dòng tuân theo một tập quy tắc nhất quán. RFC 4180, được công bố năm 2005, định nghĩa tiêu chuẩn CSV được áp dụng rộng rãi nhất: các trường phân cách bằng dấu phẩy, bản ghi kết thúc bằng CRLF, và bất kỳ trường nào chứa dấu phẩy, dấu ngoặc kép hoặc ký tự xuống dòng đều được bao trong dấu ngoặc kép. Một công cụ định dạng CSV nhận dữ liệu CSV lộn xộn hoặc không nhất quán và viết lại để phù hợp với các quy ước này.

Các tệp CSV thực tế hiếm khi có dạng sạch sẽ. Xuất dữ liệu từ Excel, Google Sheets và các tiện ích kết xuất cơ sở dữ liệu đều áp dụng các chiến lược trích dẫn khác nhau, xử lý khoảng trắng theo cách riêng và có thể dùng dấu chấm phẩy hoặc tab thay vì dấu phẩy. Khi bạn đưa các tệp này vào một trình phân tích cú pháp yêu cầu đầu vào RFC 4180 nghiêm ngặt, kết quả thường là các hàng bị hỏng, cột bị lệch hoặc mất dữ liệu âm thầm. Định dạng trước khi xử lý giúp phát hiện sớm các vấn đề này.

Công cụ định dạng CSV khác với công cụ chuyển đổi CSV. Định dạng giữ nguyên dữ liệu ở dạng CSV. Nó chuẩn hóa trích dẫn, xóa khoảng trắng thừa, căn chỉnh lại các cột và tùy chọn đổi dấu phân cách. Chuyển đổi thay đổi hoàn toàn định dạng, tạo ra đầu ra JSON, HTML, SQL hoặc Markdown.

Tại sao dùng công cụ định dạng CSV này?

Công cụ này phân tích và tái tạo dữ liệu CSV của bạn hoàn toàn trong trình duyệt. Dữ liệu của bạn không bao giờ rời khỏi máy bạn.

Các trường hợp sử dụng công cụ định dạng CSV

Quy tắc trích dẫn và thoát ký tự CSV (RFC 4180)

RFC 4180 định nghĩa các quy tắc cụ thể về thời điểm và cách thức các trường phải được trích dẫn. Sáu tình huống dưới đây bao gồm các trường hợp mà hành vi trích dẫn quan trọng.

So sánh dấu phân cách CSV

Việc chọn dấu phân cách ảnh hưởng đến khả năng tương thích, khả năng đọc và tần suất bạn cần các trường được trích dẫn.

Ví dụ mã

Các ví dụ này cho thấy cách phân tích CSV lộn xộn và tái tạo với định dạng nhất quán trong các ngôn ngữ lập trình khác nhau. Mỗi đoạn mã xử lý việc xóa khoảng trắng, chuẩn hóa dấu phân cách và trích dẫn.

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

Câu hỏi thường gặp