CSV 파일: 타입도, 인코딩도, 표준 위원회도 없는 형식

CSV는 25년 동안 명세 없이 지냈습니다. 2005년에 나온 RFC 4180은 표준이 아니라 명시적으로 Informational 문서입니다. 누구에게 무엇을 하라고 정하는 것이 아니라 대부분의 구현이 하는 일을 기술합니다. 그래도 따옴표 규칙만은 정리해 두었습니다. 구분자, 따옴표, 줄바꿈이 들어 있는 필드는 큰따옴표로 감싸고, 그런 필드 안의 따옴표는 두 번 씁니다. 이 규칙이 "Widget, large"가 셀 하나가 되느냐 둘이 되느냐를 가르며, 허술한 파서가 건너뛰는 규칙이 바로 이것입니다.

구분자가 늘 쉼표인 것도 아닙니다. 소수를 1,5처럼 쓰는 로캘에서 실행되는 스프레드시트는 쉼표를 필드 구분에도 쓸 수 없으므로, 그런 곳에서 Excel은 세미콜론으로 내보냅니다. 같은 컴퓨터, 같은 메뉴에서 이웃 나라가 열 수 없는 파일이 나오는 것입니다. 데이터베이스 내보내기는 탭을 쓰는 경우가 많습니다. CSV를 잘 읽는 도구는 처음 몇 줄을 보고 구분자를 추측하며, 이 사이트도 그렇게 합니다.

인코딩 선언도 없으며, 실제로 데이터가 사라지는 곳이 여기입니다. 한 프로그램이 저장한 중국어 이름 CSV를 다른 프로그램으로 열면 글자가 깨져 나오는데, 한쪽은 UTF-8을, 다른 쪽은 시스템 코드 페이지를 가정했기 때문입니다. 또 모든 필드가 타입 없는 텍스트이므로 스프레드시트는 가져올 때 타입을 다시 추측합니다. 부품 번호의 앞자리 0이 사라지고, 긴 식별자는 지수 표기로 바뀌며, 날짜처럼 보이는 것은 모두 날짜가 됩니다. 파일에는 문제가 없었습니다. 문제는 그것을 읽는 방식이었습니다.