CSV
| CSV (.csv) | |
|---|---|
| Tiedostopääte | .csv |
| Mediatyyppi | text/csv |
| Lisenssi | RFC 4180, Avoin standardi |
CSV (Comma-Separated Values) on yksinkertainen, vakiomuotoinen tekstitiedostoformaatti, jolla tallennetaan taulukkomuotoista tietoa. CSV-tiedosto koostuu riveistä ja kukin rivi edustaa yhtä tietoriviä. Rivin sisällä olevat kentät (sarakkeet) erotetaan toisistaan erotinmerkillä. Valmiita CSV-tiedostoja voidaan tuoda lähes kaikkiin taulukkolaskenta-, tietokanta- ja ohjelmointiohjelmistoihin.
Tiedoston rakenne ja erotinmerkit (DSV)
Vaikka CSV-lyhenne viittaa pilkkuun, käytetty erotin voi vaihdella alueittain. Formaattiin viitataankin usein yleisemmin nimellä DSV (Delimiter-Separated Values).
Erotinmerkit
CSV-standardin (RFC 4180) oletus on pilkku (,), mutta seuraavat erottimet ovat yleisiä:
- Pilkkua (,) käytetään ensisijaisesti angloamerikkalaisissa järjestelmissä (RFC 4180:n oletus).
- Puolipistettä (;) käytetään laajalti Suomessa ja monissa Euroopan maissa. Tämä on välttämätöntä, kun desimaalierottimena käytetään pilkkua (esim. 4,916) sekaannuksen estämiseksi.
Rivinvaihdo
Rivinvaihdon merkintä vaikuttaa tiedoston yhteensopivuuteen eri käyttöjärjestelmissä:
- CRLF (Carriage Return + Line Feed): Yleisin Windows-järjestelmissä ja RFC 4180 -standardin suosittelema.
- LF (Line Feed): Yleisin Unix- ja Linux-järjestelmissä.
Otsikkorivi
Tiedoston ensimmäinen rivi sisältää useimmiten kenttien nimet eli otsikkorivin (Header Row).
Vuosi;Merkki;Malli;Pituus
1994;Audi;A6;"4,916"
2001;Honda;Civic;"4,545" (Huomaa, että 4,916 on ympäröity lainausmerkeillä, koska se sisältää erottimen kaltaisen pilkun.)
Lainausmerkit ja erikoismerkit
CSV-formaatti käyttää lainausmerkkejä merkkijonojen ja erikoismerkkien käsittelyyn.
* Arvon ympäröiminen: Jos kentän arvo sisältää:
- erotinmerkin (esim. ; tai ,),
- rivinvaihdon, tai
- lainausmerkin ("), on koko arvo ympäröitävä lainausmerkeillä (").
* Lainausmerkin escapointi: Jos lainausmerkeillä ympäröity arvo sisältää itsessään lainausmerkin, on se escapoitava (escaping) eli esitettävä kahdella peräkkäisellä lainausmerkillä ("").
| Arvo (sellaisenaan) | CSV-muotoon kirjoitettuna | Selitys |
|---|---|---|
| Audi; A6 | "Audi; A6" | Erotin (;) on arvon sisällä. |
| "Hieno" auto | """Hieno"" auto" | Lainausmerkit arvon sisällä escapoidaan (""). |
- Jos kentän arvo sisältää lainausmerkin ja se on lainattu, se on escapoitava esittämällä se kahdella lainausmerkillä peräkkäin (""). Esimerkiksi arvo "Auto "Audi" A6" kirjoitetaan tiedostoon muotoon: """Auto ""Audi"" A6".
- Tämä on vakiomuotoinen sääntö (RFC 4180), jonka puuttuminen voi aiheuttaa ongelmia monimutkaisempia CSV-tiedostoja luettaessa.
Esimerkki .csv-tiedoston sisällyksestä.
Vuosi,Merkki,Malli,Pituus
1994,Audi,A6,"4,916"
2001,Honda,Civic,"4,545"
2006,Volkswagen,Golf IV,"4,397"Jonka tulostus olisi tämän tyylinen.
| Vuosi | Merkki | Malli | Pituus |
| 1994 | Audi | A6 | 4,916 |
| 2001 | Honda | Civic | 4,545 |
| 2006 | Volkswagen | Golf IV | 4,397 |
CSV-työkalut Linuxissa
Linuxissa taulukkomuotoisen datan käsittelyyn soveltuvat perinteiset komentorivityökalut sekä erikoistuneet paketit.
Graafinen käyttöliittymä
- LibreOffice Calc: Tarjoaa erinomaisen tuen kaikille erotinmerkeille. Se kysyy erottimen aina tiedostoa avattaessa ja mahdollistaa puolipisteen valinnan myös tiedostoa vietäessä (Tallenna nimellä... -> Text CSV).
Komentorivityökalut
Perinteiset työkalut ovat joustavia, kun taas modernit paketit ymmärtävät taulukkorakenteen paremmin.
| Työkalu | Kuvaus | Puolipisteen käyttö |
|---|---|---|
| awk | Yleinen tekstitiedoston prosessointikieli. Erinomainen rivien suodattamiseen ja muokkaamiseen. | -F ';' asettaa puolipisteen erotinmerkiksi. |
| cut | Leikkaa sarakkeita tiedostosta. | -d ';' asettaa puolipisteen erotinmerkiksi. |
| csvkit | (Paketti) Kokoelma Pythonilla kirjoitettuja työkaluja (esim. csvcut, csvstat). Tarjoaa SQL-tyyppisiä toimintoja. | -d ';' asettaa erotinmerkin, tukee sarakkeiden käsittelyä nimellä. |
| mlr (Miller) | Monipuolinen työkalu, joka ymmärtää sarakkeiden nimet (kuten SQL). Korvaa monessa suhteessa awk, cut, ja sort-komennot. | --ifs ';' (Input Field Separator) määrittää puolipisteen. |
Ohjelmat jotka avaavat ja luovat .csv-tiedostoja
- LibreOffice Calc
- Tekstieditorit
- awk, soveltuu hyvin myös CSV- ja TSV-tiedostojen prosessointiin.
Katso myös
| Asiakirjamuodot | |
| Tekstiasiakirjamuodot | .ODT | .FODT | .PDF | .DOC | .DOCX | .TXT |
| Tekstiasiakirjamallit | .OTT |
| Taulukkolaskentamuodot | .ODS | .OTS | .FODS | .XLS | .XLSX | .CSV | .TSV |
| Taulukkolaskentamallit | .OTS |
| Esitysgrafiikka | .ODP | .FODP | .PPTX | .SXI |
| Tietokanta | .ODB |
| Vektorigrafiikka | .ODG | .FODG |
| Kaavamuokkain | .ODF |
| HTML-muokkain | .HTML |