Pliki CSV: format bez typów, bez kodowania i bez komitetu

Przez dwadzieścia pięć lat nie miał specyfikacji. RFC 4180 pojawiło się w 2005 roku i jest wyraźnie informacyjne, a nie standardem — opisuje, co robi większość implementacji, zamiast komukolwiek coś narzucać. Rozstrzyga natomiast cudzysłowy: pole zawierające separator, cudzysłów lub podział linii jest otaczane podwójnymi cudzysłowami, a cudzysłów wewnątrz takiego pola zapisuje się dwukrotnie. Ta zasada decyduje o tym, czy „Widżet, duży” jest jedną komórką, czy dwiema, i to właśnie ją pomijają naiwne parsery.

Separator nie zawsze jest przecinkiem. Arkusz działający w ustawieniach regionalnych, w których ułamki zapisuje się jako 1,5, nie może jednocześnie używać przecinka do oddzielania pól, więc Excel eksportuje tam średniki — na tym samym komputerze, z tego samego menu, tworząc plik, którego sąsiedni kraj nie otworzy. Eksporty z baz danych często używają tabulatorów. Każde narzędzie, które dobrze czyta CSV, zgaduje separator z kilku pierwszych linii, i tak robi też ta strona.

Nie ma też deklaracji kodowania, i to tu dane naprawdę giną. CSV z chińskimi nazwiskami zapisany przez jeden program i otwarty przez inny wraca jako krzaki, bo jeden założył UTF-8, a drugi systemową stronę kodową. A ponieważ każde pole jest tekstem bez typu, arkusz przy imporcie zgaduje na nowo: zera na początku znikają z numerów części, długie identyfikatory zamieniają się w notację naukową, a wszystko, co wygląda jak data, staje się datą. Plik był w porządku; to jego odczyt nie był.