CSV 文件:没有类型、没有编码、也没有委员会的格式

它有二十五年没有规范。RFC 4180 在 2005 年才出现,而且明确标着「仅供参考」而不是标准——它描述的是大多数实现在做什么,而不是要求谁怎么做。它真正定下来的是引号规则:字段里如果含有分隔符、引号或换行,就用双引号包起来,而字段内部的引号要写两遍。正是这条规则决定了「Widget, large」是一个单元格还是两个,也正是这条规则会被简陋的解析器跳过。

分隔符也不一定是逗号。一个把小数写成 1,5 的地区,电子表格不可能再用逗号分隔字段,所以 Excel 在那里导出的是分号——同一台机器、同一个菜单,产出的文件邻国打不开。数据库导出则常常用制表符。任何一个把 CSV 读得好的工具都会从前几行去猜,本站也是这么做的。

还有一件事是没有编码声明,而数据真正丢失的地方就在这里。一份存着中文姓名的 CSV,一个程序存、另一个程序开,出来就是乱码,因为一个假定 UTF-8,另一个假定系统代码页。而且因为每个字段都是没有类型的文本,电子表格在导入时会重新猜:零件号前面的零消失了,长编号变成了科学计数法,任何看起来像日期的东西都变成了日期。文件本身没问题,读它的方式有问题。