CSV dosyaları: türü, kodlaması ve komitesi olmayan biçim

Biçim yirmi beş yıl boyunca bir belirtim olmadan yaşadı. RFC 4180 2005’te geldi ve açıkça bir standart değil, Informational (bilgilendirici) niteliktedir — kimseye ne yapması gerektiğini söylemek yerine çoğu uygulamanın ne yaptığını tarif eder. Kesin olarak belirlediği şey ise tırnaklamadır: ayırıcı, tırnak ya da satır sonu içeren bir alan çift tırnak içine alınır ve böyle bir alanın içindeki tırnak iki kez yazılır. "Widget, large" ifadesinin tek bir hücre mi yoksa iki hücre mi olacağını belirleyen bu kuraldır ve saf ayrıştırıcıların atladığı kural da budur.

Ayırıcı her zaman virgül değildir. Ondalıkları 1,5 biçiminde yazan bir yerel ayarda çalışan bir elektronik tablo, virgülü aynı zamanda alanları ayırmak için kullanamaz; bu yüzden Excel orada noktalı virgülle dışa aktarır — aynı makinede, aynı menüden, komşu ülkenin açamadığı bir dosya üreterek. Veritabanı dışa aktarımları çoğu zaman sekme kullanır. CSV’yi iyi okuyan her araç ayırıcıyı ilk birkaç satırdan tahmin eder; bu site de böyle yapar.

Bir kodlama bildirimi de yoktur ve verinin gerçekten kaybolduğu yer burasıdır. Bir programın kaydettiği ve bir başkasının açtığı Çince adlardan oluşan bir CSV, biri UTF-8, diğeri sistem kod sayfasını varsaydığı için bozuk karakterlerle (mojibake) geri gelir. Ayrıca her alan türü olmayan bir metin olduğundan elektronik tablo içe aktarırken yeniden tahmin yürütür: parça numaralarının baştaki sıfırları kaybolur, uzun tanımlayıcılar bilimsel gösterime dönüşür ve tarihe benzeyen her şey tarih olur. Dosyada sorun yoktu; sorun onun okunuşundaydı.