CSV と TSV: どちらの区切り文字形式を使用する必要がありますか?
簡単な回答
CSV は、汎用データ交換、スプレッドシートのインポート/エクスポート、および最大限の互換性のために使用します。データにカンマは含まれるがタブは含まれない場合は、引用符を付けたり複雑さをエスケープしたりすることを避けるために、TSV を使用します。 TSV はバイオインフォマティクスと NLP で一般的です。 CSV は、表形式データの汎用デフォルトです。
導入
CSV (カンマ区切り値) と TSV (タブ区切り値) は、表形式データの 2 つのプレーンテキスト形式です。どちらも行を区切り文字で区切られたフィールドを持つ行として保存します。 CSV はカンマを使用します。 TSV はタブ文字を使用します。区切り文字の選択は、エスケープ、スプレッドシート アプリとの互換性、および区切り文字を含むテキスト フィールドの処理に影響します。
ステップバイステップ
-
区切り文字とエスケープを比較する
CSV ではカンマを使用します。フィールドにカンマが含まれる場合は、「Smith, John」のように引用符で囲む必要があります。フィールドに引用符が含まれている場合は、「彼は ""hello" と言った」のようにエスケープする必要があります。 TSV はタブを使用します。タブがテキスト データに現れることはほとんどないため、TSV フィールドでは通常、引用符やエスケープが必要なく、解析が簡単になります。
-
互換性を比較する
CSV は、Excel、Google Sheets=スプレッドシート、あらゆるデータベース、あらゆるプログラミング言語で広くサポートされています。 TSV も広くサポートされていますが、あまり標準化されていません。一部のツールではタブの解釈が異なります。 Excel は両方を自動検出しますが、CSV がデフォルトのエクスポート形式です。
-
解析の複雑さを比較する
CSV 解析には、引用規則 (RFC 4180) を処理するステート マシンが必要です。 TSV の解析は簡単です。各行をタブ文字で分割します。これにより、TSV の解析が速くなり、エラーが発生しにくくなります。ただし、CSV には正式な仕様 (RFC 4180) があります。 TSV には正式な標準はありません。
-
ユースケースを比較する
CSV: スプレッドシートのインポート/エクスポート、データ APIs、ETL パイプライン、構成ファイル、ユニバーサル データ交換。 TSV: バイオインフォマティクス (BLAST、GFF)、NLP (CoNLL 形式)、クリップボード データ (Excel からコピー = TSV)、タブ区切りのログ ファイル。
-
データに基づいて決定する
データにカンマ (名前、住所、文章) が含まれている場合: TSV は引用を避けます。データにタブが含まれている場合 (テキストではまれです): CSV は引用符を回避します。最大限の互換性が必要な場合: CSV。より単純な解析が必要で、データにタブがない場合: TSV。
例
CSV と TSV の同じデータ
入力: CSV: 名前、年齢、都市\n"スミス、ジョン"、30、"ニューヨーク州ニューヨーク"\nTSV: 名前\tage\t都市\nスミス、ジョン\t30\tニューヨーク州
出力: CSV では、カンマを含むフィールドを引用符で囲む必要があります。 TSV はデータ内にタブが表示されないため、引用符で囲む必要はありません。
よくある問題
- CSV 引用符のエッジ ケース: カンマ、引用符、または改行を含むフィールドには RFC 4180 の引用規則が必要です。単純にカンマで分割すると、カンマが埋め込まれたデータが破損します。
- TSV には正式な標準がありません。CSV (RFC 4180) とは異なり、TSV には公式の仕様がないため、ツールはエッジ ケースを異なる方法で処理する可能性があります。TSV は制御されたパイプライン内でのみ使用してください。
- Excel エンコードの問題: Excel は、BOM またはロケール固有の区切り文字 (EU ロケールではセミコロン) を使用して CSV をエクスポートする場合があります。UTF-8 エンコードを指定し、インポート時に区切り文字を確認します。
- 改行のあいまいさ: 改行が埋め込まれた CSV フィールドは有効ですが、行ごとの解析が中断されます。テキスト データではタブが一般的ではないため、TSV ではこの問題が発生することはほとんどありません。
ヒント
- 互換性を最大限に高めるには、CSV を使用してください。すべてのスプレッドシート、データベース、プログラミング言語がネイティブでサポートしています。
- データにカンマは含まれるがタブ (名前、アドレス、文) は含まれない場合は、複雑な引用を完全に避けるために TSV を使用します。
- RFC 4180 引用符ルールを処理するには、常に適切な CSV パーサー (string.split ではない) を使用してください。単純な分割では、カンマまたは引用符が埋め込まれたフィールドが破損します。
- Excel からテキスト エディターにデータをコピーする場合、クリップボードは TSV 形式を使用します。カンマを含むフィールドを正しく保持するには、.tsv ファイルに貼り付けます。