一句话概括
CSV 是一种纯文本文件格式，它通过使用逗号分隔值、换行符分隔行的方式来存储表格数据（比如电子表格或数据库表）。
它解决了什么问题
想象一下数字世界的黑暗时代，那会儿互联网还没进入每个人的口袋。你的 IBM PC 上装着酷炫的 Lotus 1-2-3 电子表格，而你同事的数据则在另一台完全不同的机器上的 dBase 文件里。你们该如何共享数据呢？你可以把它打印出来，然后让他们再一个字一个字地敲回去，但这简直是野蛮人的做法。核心问题在于，每个应用程序都有自己专有的二进制格式——一种只有它自己才懂的秘密暗号。
这就造成了数据孤岛。你的信息被困在创建它的程序里。想把它弄出来，你就需要那个特定的程序。把数据从旧系统迁移到新系统简直是一场噩梦。
于是，CSV 闪亮登场，成为了伟大的破局者。它并非由某个委员会或大公司发明，而是出于纯粹的需求而有机地演变而来。这个想法简单粗暴：有哪种格式是所有计算机，从巨型主机到小型微机，都能理解的呢？纯文本。
通过将表格表示为文本——用逗号作为列分隔符，用换行符作为行分隔符——CSV 为数据创造了一种通用语 (lingua franca)。它不华丽，对于海量数据库来说效率也不高。但它通用啊。它通过傻瓜般的简单解决了数据互操作性的问题，简单到不可能出错。好吧，是几乎不可能。
底层工作原理
乍一看，CSV 文件就像有人直接手打了一张表格。但实际上，背后有一套出奇健壮的规则（或者更准确地说，是强烈建议）在支撑着它。
核心结构：记录与分隔符
在一个 CSV 文件里，最基本的两个字符是分隔符 (delimiter) 和记录分隔符 (record separator)。
- 分隔符 (Delimiter)： 分隔一行内各列的字符。默认情况下，是逗号 (
,)。 - 记录分隔符 (Record Separator)： 表示一行结束的字符。通常是换行符 (
\n或\r\n)。
我们来看看最最简单的 CSV 文件长什么样：
id,name,species
1,Spock,Vulcan/Human
2,Data,Android
3,Worf,Klingon
在这里，每一行都是一条记录 (record)。在每条记录内部，逗号充当分隔符，将数据分割成不同的字段 (field)，也就是列。简单吧？但如果你的数据本身就包含逗号，那该怎么办？
转义地狱：当逗号和引号来捣乱时
这就是 CSV 真正“规范”的开始。如果你的某个字段值需要包含逗号，那么整个字段就必须用双引号 (") 括起来。
例如，你不能直接写 Kirk,"James T., Captain"。解析器会把 "T." 后面的逗号当成新一列的开始，从而破坏整行数据。
解决方法就是给这个字段加上引号：
id,name,rank
4,"Kirk, James T.",Captain
现在解析器就知道 "Kirk, James T." 是一个完整的值了。
这就引出了下一个合乎逻辑的问题：如果你的值里既有逗号又有双引号呢？比如，你想存储 A "fast" ship, really 这个值。
规则是：如果一个带引号的字段包含双引号字符，你需要通过将双引号自身重复一次 ("") 来对它进行转义。
item_id,description
101,"A ""fast"" ship, really"
102,"Standard issue phaser"
一个合格的 CSV 解析器会在带引号的字段中看到 "" 时，将其解释为单个 " 字符，而不是字段的结束。
标题行：给列起个名
按照惯例，CSV 文件的第一行是标题行 (header row)。它并非格式的强制要求，但却是一个几乎被普遍遵循的最佳实践。它包含了各列的名称。
first_name,last_name,email <-- 标题行
Jean-Luc,Picard,jlp@enterprise.ufp
William,Riker,riker@enterprise.ufp
没有标题行，你就只有原始数据，你必须事先知道第一列是名，第二列是姓，等等。标题行让数据变得自描述 (self-describing)。
方言：“C” 是个谎言
这儿有个 CSV 的肮脏小秘密：“C” 并不总是代表逗号 (Comma)。不同的程序和地区有时会使用其他字符作为分隔符，从而产生了不同的“方言”。
| 名称 / 缩写 | 分隔符 | 常见用例 |
|---|---|---|
| CSV (逗号分隔) | , |
在美国和世界大部分地区是默认标准。 |
| TSV (制表符分隔) | \t (Tab) |
在生物信息学和命令行工具中很常见。避免了数据中出现逗号的问题。 |
| SSV (分号分隔) | ; |
在欧洲国家广泛使用，因为在这些国家逗号被用作小数点（例如 €1.234,56）。 |
| PSV (管道符分隔) | ` | ` |
一个好的 CSV 工具或库不会假定分隔符就是逗号；它会允许你指定文件正在使用哪种“方言”。
真实世界里的故事
午夜数据大迁徙
一家创业公司终于要淘汰其古老的单体应用了。用户数据库运行在一个早已停止支持的 SQL 数据库版本上，而且云服务商马上就要拔网线了。那些“导出到现代格式”的工具总是崩溃。恐慌开始蔓延。在数小时的失败尝试后，一位资深工程师想起了旧数据库管理面板里一个布满灰尘、早已被遗忘的功能：“导出为 CSV”。虽然速度很慢，生成了一个几 GB 大的文本文件，但它成功了。团队写了个脚本来解析这个 CSV，把用户一个一个地导入到新的 PostgreSQL 数据库中。他们在旧服务器下线前的最后几分钟搞定了。
经验之谈： CSV 是终极的数据逃生舱。当所有其他格式都失效时，这个不起眼的文本文件总能把你的数据拯救出来。
分析师的秘密武器
一位市场分析师收到了一个包含上个季度所有客户交互的 50 万行 CSV 文件。她老板要求在当天（EOD）下班前提交一份关于区域用户参与度趋势的报告。她没有权限使用公司里花哨的 BI 看板，而且她的笔记本用 Excel 打开这个文件会直接卡死。于是，她使用了一个命令行工具（这里用的是 xsv），切分出前几千行，获取列名，然后从这个巨大的文件中筛选出“region”和“engagement_score”这两列，并将输出通过管道传到另一个文件里。这个小得多、目标明确的 CSV 文件瞬间就加载到了 Google Sheets 中，她不到一小时就做好了图表。
经验之谈： CSV 赋能每一个人，不仅仅是程序员，让他们能用简单、易上手的工具来处理大型数据集。
那个会“说” CSV 的 API
一个开发金融报告服务的团队需要提供一个“下载所有交易记录”的功能。他们最初的尝试是一个返回交易对象数组的 JSON API 接口。对于几百条记录来说，这没问题，但对于有多年历史记录的用户，服务器在生成巨大的 JSON 字符串时会耗尽内存，而用户的浏览器在尝试解析它时会直接崩溃。解决方案？他们增加了一个新的接口：/api/transactions.csv。服务器不再需要在内存里构建一个巨大的对象，而是可以逐行地流式传输数据，在传输过程中将每笔交易转换为一行 CSV。它只用了极小部分的内存，而且用户的下载能立即开始。
经验之-谈： 对于批量数据导出，CSV 通常比 JSON 的内存效率和性能要高得多。
常见的坑和陷阱
- 忘记给字段加引号。 你的描述字段里，有人输入了“This is great, but...”。那个逗号会把你的数据拆成两列，导致后面的所有列都发生错位，整行数据就都毁了。对于可能包含用户生成文本的字段，一定要加引号。
- 前导零被“吃掉”。 这是处理邮政编码或各种标识符的人的噩梦。Excel 和其他电子表格程序在这方面是臭名昭著的，它们会把
"08901"解释成数字8901。解决方法是确保 CSV 被正确解析，将带引号的列明确地当作字符串处理，而不是数字。 - 想当然地认为“C”就是逗号。 你从一个德国同事那里收到一个文件。你试着去解析它，结果发现它看起来就像一个巨大无比的单列。结果发现，它是用分号分隔的，因为他们所在的地区用逗号作小数点。这就是“方言”问题。永远要先确认你的分隔符是什么。
- 列数不匹配。 数据字段中一个未转义的换行符可能会提前结束一行，导致解析器在下一行报告列数不匹配的错误。这几乎百分百是转义问题。
- 忽略字符编码。 你打开一个从现代系统导出的 CSV，结果看到的不是引号而是
“，或者到处都是�这样的乱码。这很可能是因为文件是 UTF-8 编码的，但你的工具却在用一个老的编码格式（比如 Windows-1252）来读取它。确保写入方和读取方在字符编码上达成一致。
为什么你应该关注它
作为一名开发者，CSV 是一个你会频繁使用的工具，即使你有时并没意识到。
- 数据导入/导出： 这是“上传你的用户”或“下载你的销售报告”这类功能的首选格式。
- 系统间通信： 当你需要把数据从系统 A 弄到系统 B，而它们又没有一个花哨的 API 时，一个转储到 SFTP 服务器上的 CSV 文件就是那个能搞定一切、可靠耐用的老黄牛。
- 与非开发人员协作： 如果你需要把数据交给业务分析师、数据科学家或项目经理，给他们一个 CSV 文件就像是在说他们的母语。他们可以直接在 Excel 或 Google Sheets 里打开。
- 简单的配置： 对于小规模的结构化配置数据，对于非技术用户来说，一个 CSV 文件可能比 JSON 或 YAML 更简单、更易读。
每当数据需要离开你数据库里那个原始、结构化的世界，进入到外面那个混乱、不可预测的真实世界时，就想想 CSV 吧。
深入了解
- RFC 4180：这是最接近 CSV 官方“规范”的东西，它将关于分隔符、引号和行尾的最常见实践正式化了。
- Wikipedia：逗号分隔值：对该格式的详尽历史和概述，包括各种变体和示例。
- 程序员们对 CSV 的一些错误信念：一个精彩又让人自省的清单，列出了你对这些“简单”文件的假设可能出错的所有方式。
- Python
csv模块文档：一个非常实用的实现细节参考，包括方言 (dialect)、嗅探器 (sniffer) 和各种格式化参数的概念。 - 在 Shell 中处理 CSV 的最佳方式：介绍了能够正确处理 CSV 复杂性的 CLI 工具，并说明了为什么
cat file.csv | cut -d, -f1是一个危险的游戏。