資料與電子表格 · CSV 更清理
製表符分隔值與 CSV：為什麼存在 TSV 以及何時使用它
· 背景
csv tsv 資料格式
製表符很少出現在資料內部，這正是 TSV 存在的原因。這篇文章解釋了製表符分隔檔案的起源，它們如何迴避 CSV 的參考問題，以及它們仍然存在不足。
充滿逗號和引號的自由文字不斷破壞 CSV 匯出 - 這種情況使分頁具有吸引力
自由文字註解通常包含逗號，因此逗號分隔的輸出需要在這些儲存格周圍加上引號。分頁在該特定資料集中出現的頻率可能較低，這可以使 TSV 檔案在視覺上更安靜。它並沒有消除對解析器或有關嵌入分頁和換行符的協議的需要。
ToolAcre 將製表符視為四個分隔符號之一。無論選擇哪個分隔符，都會執行相同的參考欄位狀態機。這意味著該決策改變了一個結構特徵，而不是每個尷尬值的安全模型。
TSV 的來源 — 製表符的打字機起源及其在資料庫轉儲和科學資料中的早期使用
工作簿要求從打字機到資料庫轉儲的歷史記錄，但這些宣告不存在於產品配置、實作或測試中。此模組省略了時間順序，並重點關注讀者可以使用附帶的解析器重現的行為。
當選擇作為分隔符號時，來源文字中的製表符對於狀態機而言只是 ` `。外部引號結束一個欄位；在引號內它仍然是該欄位的一部分。這個規則足以比較格式，而無需發明起源故事。
打字機的起源和早期資料庫歷史不屬於儲存庫證據
TSV 可以減少引用。該大綱稱大多數 TSV 方言根本不需要引用； ToolAcre 的序列化器更加精確。它引用包含所選分隔符號、引號、LF、CR 或周圍空格的任何欄位。
因此，包含真實製表符的註解必須在製表符輸出下加引號，且文字引號在該欄位內加倍。自由文字也可以包含換行符，並保留引用。選擇不常見的分隔符號可以減少資料集中的衝突；它永遠不會使碰撞規則消失。
ToolAcre 仍套用 RFC 樣式引用
分頁在視覺上不明確，因為編輯器可以將它們呈現為可變寬度空間。透過將製表符轉換為空格的軟體進行複製可能會破壞分隔符，同時使檔案可讀。在宣告一列結果格式錯誤之前，檢查不可見字元或依賴解析器預覽。
ToolAcre 將偵測到的分頁寫回帶有標籤的選擇中並顯示列數，從而使不可見的選擇可見。如果檔案實際上是空格對齊的文字而不是 TSV，製表符偵測將不會建立列。手動選擇無法製造不存在的分隔符號。
轉義約定 — 某些 TSV 方言中的反斜線序列與 CSV 中的 RFC 樣式引用
有些表格方言使用反斜線序列作為製表符或換行符號。 ToolAcre 沒有。它的解析器可以識別每個選取分隔符號下的 RFC 樣式雙雙引號和帶引號的欄位。反斜線是普通的單元格文字，不會轉義下一個字元。
在載入為不同方言配置的匯出時，這種不匹配可能會留下雜散斜線或過早的邊界。首先確定生產者的逃逸規則。安全轉換需要解析原始方言，而不是在不知道它們是否是文字的情況下替換斜杠字母對。
不支援反斜線 TSV 方言； ToolAcre 對每個選定的分隔符號使用雙引號
取得標題 id、註解和兩個值：一個註解顯示 `red, small`，而另一個註解包含一個真實的分頁。在逗號輸出中，第一個註解被引用，製表符可能保持不被引用，因為它不是分隔符號。在製表符輸出中，逗號是普通的，但製表符值被引用。
使用符合的分隔符號解析每個輸出，兩個表恢復相同的字串。此練習表明，這兩種格式都無法普遍避免特殊處理。所選分隔符號僅更改除了引號和記錄結尾之外觸發引號的字元。
這不包括什麼 - 固定寬度格式和二進位表格格式
固定寬度和二進位表格格式不在路由範圍內。它不會從視覺對齊中推斷列或解碼柱狀容器。輸入必須是文字 CSV、TSV 或使用逗號、分號、製表符或垂直線的純文字，或支援相反方向的 JSON。
此路線也不提供自訂轉義字元。如果科學或資料庫工作流程定義了自己的 TSV 語法，請在將規範化文字引入此處之前使用為該語法配置的解析器。擴展不足以證明方言相容性。
選擇資料和使用者的分隔符號 — ToolAcre CSV Cleaner 的分隔符號修復如何為您所提供的系統產生一致的分隔檔案
根據資料和消費者選擇一個分隔符，然後明確說明。 ToolAcre 可以從矩形十行樣本中偵測製表符和逗號，或接受手動覆蓋。它不會檢查語義內容並決定註釋是否值得使用製表符。
解析後，解決行警告並使用相同或另一個受支援的分隔符號進行序列化。標準雙引號處理可防止衝突。結果是一致的，因為分隔符號是已知的，而不是因為 TSV 或 CSV 本質上不受資料中標點符號的影響。