Информатика · объяснение и практика

Как кавычки защищают разделитель внутри поля CSV

Как читать CSV с разделителем внутри поля: внешние кавычки, удвоенные внутренние кавычки, различия диалектов и сохранение числа столбцов.

Синие фигурные скобки держат между собой оранжевый квадрат.

В теме Электронные таблицы и форматы данных · Учебная карта

Главная мысль

В распространённом CSV с запятой поле, содержащее запятую или перенос строки, заключают в двойные кавычки. Двойную кавычку внутри такого поля записывают двумя кавычками подряд. Простое разрезание строки по каждой запятой не учитывает эти правила и может разрушить таблицу.

Как одна запятая остаётся частью значения

Строка Лена,"атлас, блокнот",2 содержит три поля: имя, описание и количество. Запятая между атласом и блокнотом находится внутри кавычек и входит в одно описание. Разрезание по всем запятым создало бы четыре кусочка и ошибочно сдвинуло столбцы. Кавычки здесь задают границу поля, а не являются частью обычного отображаемого значения после разбора.

Программа должна отслеживать, находится ли она внутри корректно открытого поля, и учитывать способ записи внутренних кавычек. Поэтому для реального обмена удобнее использовать CSV-парсер, а не набор отдельных замен. Один удачный тест без запятых в значениях ничего не говорит о правильности обработки таблиц с вложенными знаками.

Как записывается кавычка внутри поля

Если значение содержит текст книга «Мир», но в файле используются прямые двойные кавычки, внутренние прямые кавычки в принятом соглашении удваиваются. Поле, представляющее книгу с названием в таких кавычках, выглядит как "книга ""Мир""". При разборе каждая удвоенная пара внутри поля превращается в одну кавычку значения. Внешняя пара лишь ограничивает всё поле.

Нельзя глобально удалять все кавычки до разбора: часть из них является настоящими данными. Также нельзя считать каждый физический перевод строки концом записи, если диалект разрешает перевод строки внутри процитированного поля. Логическая строка таблицы может занимать несколько строк текстового файла. Число записей и число переносов в документе тогда различаются.

Пример

Лена,"атлас, блокнот",2 → поля: Лена | атлас, блокнот | 2.

Внутренняя запятая не разделяет столбцы. После корректного разбора описание остаётся одним полем, а количество сохраняет свою третью позицию.

Какие параметры нужно согласовать при обмене

Название CSV не гарантирует один универсальный диалект для всех программ. Встречаются другие разделители, например точка с запятой, а также разные правила окончания строки и кодировки. RFC 4180 описывает распространённый формат, но является информационным документом, а приложения могут иметь свои соглашения. Поэтому перед импортом проверьте параметры и несколько сложных записей, а не только расширение файла.

Сам формат не задаёт надёжную схему типов для каждого столбца. Импортирующая программа может превратить строку с ведущими нулями в число или распознать значение особым образом. Если ведущие нули являются частью кода, тип поля нужно сохранить средствами импорта. Кавычки, необходимые для синтаксиса CSV, не всегда означают запрет последующей интерпретации значения приложением.

Для проверки выполните круговой проход: разберите подготовленную запись, затем запишите поля обратно согласованным CSV-средством и снова прочитайте. Важна сохранность значений и числа полей, а не буквальное совпадение необязательных внешних кавычек. Парсер может законно процитировать больше полей, чем исходный автор, не изменив самой таблицы.

От чтения к действию

А теперь — вы

Сколько полей в CSV-строке Аня,"карта, схема",4 при запятой как разделителе и обычных правилах кавычек?

Частые вопросы

Можно ли просто разделить каждую строку по запятой?

Только для заранее ограниченного упрощённого формата без таких запятых внутри значений. Для общего CSV это некорректно.

Кавычки внутри поля всегда удаляются?

Нет. Внешние служат синтаксисом, а правильно удвоенные внутренние кавычки представляют настоящую кавычку в значении.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться