Prawdziwa różnica między Excel CSV a Standardowym CSV

Jaka jest prawdziwa różnica między plikiem CSV programu Excel a standardowym plikiem CSV?

Na przykład, kiedy obsługują kolumny z podziałami linii w jednej komórce, w jaki sposób kodują ją inaczej?

microsoft-excel csv file-format

Zależy to absolutnie od tego, co definiujesz jako „standardowy” CSV. Jeśli o mnie chodzi, Excel przestrzega zasad określonych w RFC 4180 , „Wspólnym formacie i typie MIME dla plików CSV”.

Rozważ tabelę, w której pierwsza komórka w pierwszym rzędzie ma dwa podziały wiersza. W programie Excel wyglądałoby to tak:

+---+---------------+------------+------------+
|   | A             | B          | C          |
+---+---------------+------------+------------+
| 1 | col1, line1a  |            |            |
|   | col1, line1b  |            |            |
|   | col1, line1c  | col2, row1 | col3, row1 |
| 2 | col1, row2    | col2, row2 | col3, row2 |
+---+---------------+------------+------------+

W jaki sposób Excel to eksportuje? Zobaczmy - edytor tekstu wyświetli to:

"col1, line1a
col1, line1b
col1, line1c","col2, row1","col3, row1"
"col1, row2","col2, row2","col3, row2"

Niezbyt wyrafinowane. Wstawia znak powrotu karetki (szesnastkowy 0D) w miejscu, w którym podział linii był w naszej komórce. Każda komórka jest otoczona podwójnymi cudzysłowami. Ponadto rzeczywiste rzędy są oddzielone znakiem powrotu karetki.

Aby przeanalizować to poprawnie, parser CSV musiałby to zrobić

zignoruj ten znak powrotu karetki, gdy pojawia się w podwójnym cudzysłowie (tj. komórka)
nie ignoruj powrotu karetki, gdy pojawia się poza podwójnymi cudzysłowami

Gdyby tak się nie stało, skończyłoby się czymś takim zniekształconym - zauważ, że teraz są cztery linie zamiast dwóch, ponieważ nie zignorował podziałów linii.

+---+---------------+------------+------------+
|   | A             | B          | C          |
+---+---------------+------------+------------+
| 1 | "col1, line1a |            |            |
| 2 | col1, line1b  |            |            |
| 3 | col1, line1c" | col2, row1 | col3, row1 |
| 4 | col1, row2    | col2, row2 | col3, row2 |
+---+---------------+------------+------------+

Ale zobaczmy, co mówi RFC, może Excel zrobił to dobrze?

Pola zawierające podział wiersza (CRLF), podwójne cudzysłowy i przecinki powinny być ujęte w cudzysłowy.

Zgrabne, właśnie to zrobił Excel. Podsumowując, Excel wydaje się postępować zgodnie z zaleceniami „standardowego” pliku CSV. Przy odpowiednim parserze CSV powinien on także być w stanie czytać pliki Excel CSV.

— slhck
źródło

@shhck: dlaczego widzę implementacje parsera csv oddzielające „excel” csv i „csv”? Uważam również, że program Excel jest całkiem solidną implementacją.

— user157195

@ user157195 Zależnie od analizatora składni, powinieneś przeczytać w jego dokumentacji, dlaczego istnieje różnica między danymi wejściowymi programu Excel i innymi programami. Nie rozumiem, dlaczego taki powinien być. Znam to tylko z R , który traktuje Excel CSV tak jak każdy inny. Może jednak również czytać XLS.

— slhck

Jako osoba, która od lat programowo odczytuje pliki CSV generowane w programie Excel we wszystkich kształtach i rozmiarach, mogę potwierdzić, że slhck jest w 100% poprawny - Excel generuje w 100% „standardowe” pliki CSV. Za każdym razem.

— Mark Henderson

@Farseeker Dzięki za potwierdzenie! (i masz teraz 1337 przedstawicieli!)

— slhck

Uwaga! W krajach, które używają „,” jako miejsca dziesiętnego, Excel będzie „bardzo bardzo sprytny” i użyje „”; znak separatora. Dzięki temu Zee Germanz nie widzi zbyt wielu „cytatów”; „w”; „ich”; „plików”. Niestety, jeśli wyślą go do biura w Wielkiej Brytanii, otrzyma AllSmooshedUpIntoASingleCellOnEveryLine. Znakomity.

— Luke Usherwood

-1

Rozumiem z oryginalnej implementacji csv, że wszystkie pola tekstowe są ujęte w cudzysłowy i nie muszą być liczbami. Program Excel tego nie robi, a próba przesłania plików CSV wygenerowanych przez program Excel na platformy inne niż Microsoft nie działa. Jest to standardowe podejście Microsoft, ignoruj interoperacyjność i skup się na ślepym przestrzeganiu zasad. Podobnie stało się z IE, postępowali zgodnie z regułami html / css poprawnie dla atrybutów dopełnienia i marginesu i zignorowali fakt, że każda istniejąca strona i przeglądarka internetowa traktowali je inaczej. W rezultacie prawie każda strona internetowa ma teraz specjalne reguły dla IE. Uważam, że pliki csv tworzone przez program Excel są bezużyteczne i używam kolumny funkcji „konkatenacji”, aby ręcznie je samodzielnie utworzyć.

— Edwin
źródło