Arquivos CSV: o formato sem tipos, sem codificação e sem comitê

Ele passou vinte e cinco anos sem especificação. A RFC 4180 chegou em 2005 e é explicitamente informativa, não um padrão — descreve o que a maioria das implementações faz, em vez de dizer a alguém o que fazer. O que ela resolve são as aspas: um campo que contém o separador, uma aspa ou uma quebra de linha fica entre aspas duplas, e uma aspa dentro desse campo é escrita duas vezes. Essa regra é a diferença entre "Widget, grande" ser uma célula ou duas, e é a regra que os leitores ingênuos ignoram.

O separador não é necessariamente uma vírgula. Uma planilha rodando em uma localidade que escreve decimais como 1,5 não pode usar a vírgula também para separar campos, então o Excel exporta ponto e vírgula ali — na mesma máquina, pelo mesmo menu, gerando um arquivo que o país vizinho não consegue abrir. Exportações de bancos de dados costumam usar tabulações. Qualquer ferramenta que leia CSV direito adivinha pelas primeiras linhas, e é isso que este site também faz.

Também não há declaração de codificação, e é aqui que os dados de fato se perdem. Um CSV com nomes em chinês salvo por um programa e aberto por outro volta embaralhado, porque um presumiu UTF-8 e o outro a página de código do sistema. E, como todo campo é texto sem tipo, a planilha adivinha de novo na importação: zeros à esquerda somem de códigos de peça, identificadores longos viram notação científica e tudo o que parece data vira data. O arquivo estava certo; a leitura dele é que não estava.