Ero sivun ”CSV” versioiden välillä

Siirry navigaatioon Siirry hakuun
← Vanhempi muutos
 
(23 välissä olevaa versiota samalta käyttäjältä ei näytetä)
Rivi 15: Rivi 15:
| avoinkoodi    =  
| avoinkoodi    =  
}}
}}
'''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.
'''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 [[ohjelmistokehitys|ohjelmointiohjelmistoihin]].


===Tiedoston rakenne ja erotinmerkit (DSV)===
=== Tiedoston rakenne ja erotinmerkit (DSV) ===
CSV on itse asiassa yleisemmin DSV (Delimiter-Separated Values), sillä käytetty erotin voi vaihdella alueittain ja ohjelmistoittain.
Vaikka CSV-lyhenne viittaa pilkkuun, käytetty erotin voi vaihdella alueittain. Formaattiin viitataankin usein yleisemmin nimellä DSV (Delimiter-Separated Values).


===Erotinmerkit===
==== Datan tyyppi ====
CSV on pelkkä tekstitiedostomuoto. Se ei sisällä minkäänlaista metatietoa tai tietoa siitä, onko kentän arvo luku (kokonaisluku tai  desimaaliluku), päivämäärä vai teksti.
 
* Taulukkolaskenta- tai tietokantaohjelmien täytyy arvata datan tyyppi lukuprosessin aikana. Tämä voi aiheuttaa ongelmia jos esimerkiksi päivämäärät (12/01) tulkitaan amerikkalaisittain (1. joulukuuta) eurooppalaisen muodon sijaan (12. tammikuuta) ellei käyttäjä määritä tyyppiä itse tuonnin yhteydessä.
* Nollat: Esimerkiksi tuotenumero, joka alkaa nollalla (00123), voi menettää etunollansa, jos ohjelma tulkitsee sen suoraan kokonaisluvuksi.
 
Tämän vuoksi CSV-tiedostoja tuotaessa on kriittistä, että käyttäjä useimmissa ohjelmissa (kuten [[LibreOffice Calc]]) määrittelee itse, mikä datan tyyppi kuhunkin sarakkeeseen tuodaan, estääkseen virheelliset automaattiset muunnokset.
 
==== Erotinmerkit ====
​CSV-standardin (RFC 4180) oletus on pilkku (,), mutta seuraavat erottimet ovat yleisiä:
​CSV-standardin (RFC 4180) oletus on pilkku (,), mutta seuraavat erottimet ovat yleisiä:
​
​
* Pilkkua (,) käytetään ensisijaisesti angloamerikkalaisissa järjestelmissä.
* Pilkkua (,) käytetään ensisijaisesti angloamerikkalaisissa järjestelmissä (RFC 4180:n oletus).  
* Puolipistettä (;) käytetään laajalti Suomessa ja monissa muissa Euroopan maissa. Tämä on välttämätöntä, jos arvoissa itsessään käytetään pilkkua desimaalierottimena (esim. 12,34).
* Puolipistettä (;) käytetään laajalti Suomessa ja monissa Euroopan maissa. Tämä on välttämätöntä, kun desimaalierottimena käytetään pilkkua (esim. 4,916) sekaannuksen estämiseksi.
* Tabulaattoria käytettäessä tiedostomuotoa kutsutaan usein [[TSV]]-muodoksi (Tab-Separated Values).


===Rivinvaihdot===
==== Rivinvaihdo ====
​Rivinvaihdon merkintä vaikuttaa tiedoston yhteensopivuuteen eri käyttöjärjestelmissä:
​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.
* CRLF (Carriage Return + Line Feed): Yleisin Windows-järjestelmissä ja RFC 4180 -standardin suosittelema.
* ​LF (Line Feed): Yleisin Unix- ja Linux-järjestelmissä.


===Otsikkorivi===
==== Otsikkorivi ====
​Tiedoston ensimmäinen rivi sisältää useimmiten kenttien nimet eli otsikkorivin (Header Row).
​Tiedoston ensimmäinen rivi sisältää useimmiten kenttien nimet eli otsikkorivin (Header Row).
<syntaxhighlight lang="CSV">
Vuosi;Merkki;Malli;Pituus
1994;Audi;A6;"4,916"
2001;Honda;Civic;"4,545"
</syntaxhighlight>
​
​
===Lainausmerkit ja erikoismerkit===
(Huomaa, että 4,916 on ympäröity lainausmerkeillä, koska se sisältää erottimen kaltaisen pilkun.)
​CSV-formaatti käyttää lainausmerkkejä merkkijonojen ja erikoismerkkien käsittelyyn.
 
​* Arvon ympäröiminen: Jos kentän arvo sisältää:
==== Lainausmerkit ja erikoismerkit ====
* erotinmerkin (esim. ; tai ,),
​CSV-formaatti käyttää lainausmerkkejä (") merkkijonojen ja erikoismerkkien käsittelyyn.
* rivinvaihdon, tai
 
* lainausmerkin ("), on koko arvo ympäröitävä lainausmerkeillä (").
===== Lainausmerkeillä ympäröinti =====
​* Lainausmerkin escapointi: Jos lainausmerkeillä ympäröity arvo sisältää itsessään lainausmerkin, on se escapoitava (escaping) eli esitettävä kahdella peräkkäisellä lainausmerkillä ("").
* Jos kentän arvo sisältää erotinmerkin, rivinvaihdon tai lainausmerkin, koko arvo on ympäröitävä lainausmerkeillä (").


===== Lainausmerkin Escapointi =====
* Jos lainausmerkeillä ympäröity arvo sisältää itsessään lainausmerkin, se on escapoitava eli esitettävä kahdella peräkkäisellä lainausmerkillä ("").


Esimerkki .csv-tiedostosta:
{| class="wikitable sortable"
<syntaxhighlight lang="CSV">
|+
Vuosi,Merkki,Malli,Pituus
|-
1994,Audi,A6,"4,916"
! Arvo (sellaisenaan) !! CSV-muotoon kirjoitettuna !! Selitys
2001,Honda,Civic,"4,545"
|-
2006,Volkswagen,Golf IV,"4,397"
| Audi "A6" || "Audi ""A6""" || Arvon sisällä oleva lainausmerkki (") muutetaan kahdeksi lainausmerkiksi (""). Koko arvo ympäröidään lainausmerkeillä.
</syntaxhighlight>
|-
| Raportti; "Kevät" || "Raportti; ""Kevät""" || Sisältää erottimen (;) ja lainausmerkin. Molempien sääntöjen on täytyttävä.
|}
 
== 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.


Jonka tulostus olisi tämän tyylinen.
{| class="wikitable"
{|class="toccolours" style="margin:auto" width=100%
|+
|-
! Työkalu !! Kuvaus !! Erotin (:)-esimerkki
|-
|-
|Vuosi||Merkki||Malli||Pituus
| ''[[awk|GNU awk]]'' || Yleinen tekstitiedoston prosessointikieli. Erinomainen rivien suodattamiseen ja muokkaamiseen. || awk -F ';' '{ print $1 }'
|-
|-
|1994||Audi||A6||4,916
| ''[[cut]]'' || Leikkaa sarakkeita tiedostosta. || cut -d ';' -f 2,4
|-
|-
|2001||Honda||Civic||4,545
| ''[[csvkit]]'' || (Paketti) Kokoelma Pythonilla kirjoitettuja työkaluja (esim. ''csvcut'', ''csvstat''). Tarjoaa SQL-tyyppisiä toimintoja. || csvcut -d ';' -c Malli tiedosto.csv
|-
|-
|2006||Volkswagen||Golf IV||4,397
| ''[[mlr]]'' (Miller) || Tehokas työkalu, joka käsittelee CSV/TSV/JSON-muotoja ja ymmärtää sarakkeiden nimet. Korvaa monessa suhteessa ''[[awk]]'', ''[[cut]]'', ja ''[[sort]]''-komennot. || mlr --ifs ';' cut -f Vuosi,Malli tiedosto.csv
|}
|}


==Ohjelmat jotka avaavat ja luovat .csv-tiedostoja==
== Ohjelmat jotka avaavat ja luovat .csv-tiedostoja ==
* [[LibreOffice Calc]]
* [[LibreOffice Calc]]
* [[Tekstieditori]]t
* [[Tekstieditori]]t
Noudettu kohteesta ”https://www.linux.fi/wiki/CSV”