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)
[muokkaa]Vaikka CSV-lyhenne viittaa pilkkuun, käytetty erotin voi vaihdella alueittain. Formaattiin viitataankin usein yleisemmin nimellä DSV (Delimiter-Separated Values).
Datan tyyppi
[muokkaa]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
[muokkaa]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
[muokkaa]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
[muokkaa]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
[muokkaa]CSV-formaatti käyttää lainausmerkkejä (") merkkijonojen ja erikoismerkkien käsittelyyn.
Lainausmerkeillä ympäröinti
[muokkaa]- Jos kentän arvo sisältää erotinmerkin, rivinvaihdon tai lainausmerkin, koko arvo on ympäröitävä lainausmerkeillä (").
Lainausmerkin Escapointi
[muokkaa]- Jos lainausmerkeillä ympäröity arvo sisältää itsessään lainausmerkin, se on escapoitava eli esitettävä kahdella peräkkäisellä lainausmerkillä ("").
| Arvo (sellaisenaan) | CSV-muotoon kirjoitettuna | Selitys |
|---|---|---|
| Audi "A6" | "Audi ""A6""" | Arvon sisällä oleva lainausmerkki (") muutetaan kahdeksi lainausmerkiksi (""). Koko arvo ympäröidään lainausmerkeillä. |
| Raportti; "Kevät" | "Raportti; ""Kevät""" | Sisältää erottimen (;) ja lainausmerkin. Molempien sääntöjen on täytyttävä. |
CSV-työkalut Linuxissa
[muokkaa]Linuxissa taulukkomuotoisen datan käsittelyyn soveltuvat perinteiset komentorivityökalut sekä erikoistuneet paketit.
Graafinen käyttöliittymä
[muokkaa]- 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
[muokkaa]Perinteiset työkalut ovat joustavia, kun taas modernit paketit ymmärtävät taulukkorakenteen paremmin.
| Työkalu | Kuvaus | Erotin (:)-esimerkki |
|---|---|---|
| GNU awk | Yleinen tekstitiedoston prosessointikieli. Erinomainen rivien suodattamiseen ja muokkaamiseen. | awk -F ';' '{ print $1 }' |
| cut | Leikkaa sarakkeita tiedostosta. | cut -d ';' -f 2,4 |
| csvkit | (Paketti) Kokoelma Pythonilla kirjoitettuja työkaluja (esim. csvcut, csvstat). Tarjoaa SQL-tyyppisiä toimintoja. | csvcut -d ';' -c Malli tiedosto.csv |
| 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
[muokkaa]- LibreOffice Calc
- Tekstieditorit
- awk, soveltuu hyvin myös CSV- ja TSV-tiedostojen prosessointiin.
Katso myös
[muokkaa]| 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 |