資料室/CSV形式

カンマ区切りのテキスト形式の標準的なフォーマットであるCSV形式についてのメモです。

様々なソフトでCSV形式が扱われていますが、ちゃんとした規格が定められていなかったため、二重引用符（”）の扱いなど互換性が無い場合もあるようです。

後付という形ですが、2005年にRFC 4180としてCSV形式についてまとめられています。

• RFC 4180 原文�@ �A
• 日本語訳

基本ルール

• 各レコードは改行(CR LF)によって区切られる。ファイル終端は改行は無くても構わない。
• 各レコードは１つ以上のフィールドを含む。フィールドはカンマで区切る。
  
スペースはフィールドの一部として扱う。
最後のフィールドはカンマで終わっていはいけない。
• 各フィールドは二重引用符（ダブルクォーテーション）で囲んでも囲まなくても構わない。
  
しかし、フィールドの値に「改行」「二重引用符」「カンマ」が含まれる場合は、囲まなくてはならない。
• 二重引用符で囲まれたフィールドに、二重引用符を含む場合は連続して記述("")し、エスケープする。

私的懸念事項

私自身が今まで考えていた扱いと異なるのは２点。

• フィールド内に改行を含むことが可能になっている。
• 最後のフィールドはカンマで終わってはいけない。

ファイルからテキストモードで1行ずつ読んで･･･といった形が取れないので、少々面倒な仕様になっている。
また、最後のフィールドがカンマで終われないとすると、最後のフィールドが空欄だったらどう記述したら？あ、二重引用符で空文字にすればいいのか。

キャラクタコード

マルチバイト圏としては8ビットコードが除外されてるのが気になりますが。