CSV 格式讲解 + 常见问题

CSV 是电子表格和数据导出的通用语言 —— 简单到能在文本编辑器里打开，凡是接触表格数据的工具都支持它。但这份简单藏着几个出人意料地常见的陷阱，能把干净的导出变成一团糟。这里讲讲 CSV 到底如何运作，以及如何避开常见问题。

CSV 是什么

CSV 是 comma-separated values（逗号分隔值） 的缩写。每一行是一条记录，而在一行之内，逗号分隔各列。第一行通常是给每列命名的表头。

name,email,age
Ada Lovelace,ada@example.com,36
Alan Turing,alan@example.com,41

全部就这些 —— 而这恰恰是边界情况会咬人的原因。

常见问题

值里的逗号

如果值本身含有逗号，比如 Lovelace, Ada？没有规则，那一个字段就会看着像两列。解决办法：把含逗号的字段用双引号括起来。

"Lovelace, Ada",ada@example.com,36

值里的引号

带引号字段内部的双引号，通过把它写两遍来转义："She said ""hi""" 表示 She said "hi"。

值里的换行

只要加了引号，字段甚至能包含换行 —— 这正是手工解析 CSV 时不能总假设“一行 = 一条记录”的原因。

分隔符不总是逗号

在逗号作小数点分隔符的地区，电子表格常改用分号（;）或制表符导出。如果一个文件打开后成了一大列，通常就是分隔符不匹配。

编码与 BOM

CSV 不携带编码信息，所以若读取方猜错，带重音的字符就会乱码 —— 请存为 UTF-8。有些程序还会在开头加一个看不见的字节顺序标记（BOM），它可能弄坏第一个列表头。（原因见我们的 字符编码 指南。）

处理 CSV 数据

因为 CSV 就是一行行文本，纯文本工具能完成大量整理：用 行排序 工具把行排好序，用 删除重复行 去掉重复，用 文本对比 精确看清两次导出之间改了什么。若要做结构化转换，先把数据转成 JSON 往往是更干净的路径。