Eine CSV Datei (englisch für comma-separated values) ist eine speziell aufgebaute Textdatei, mit der man einfach strukturierte Daten speichern und austauschen kann. Es können sowohl Listen als auch ganze Tabellen unterschiedlicher Länge gespeichert werden. Auch komplexere Datenstrukturen wie zum Beispiel geschachtelte Objekte können durch zusätzliche Regeln oder durch die Verkettung von mehreren CSV Dateien gespeichert werden. Dateien des systemunabhängigen CSV Formats enden typischerweise mit .csv und haben den MIME-Type text/csv. Sie können mit speziellen Programmen oder auch mit jedem beliebigen Texteditor geöffnet, geändert und gespeichert werden.
Für CSV existiert derzeit noch kein allgemeiner Standard. Mit dem RFC 4180 gibt es allerdings ein weit verbreitetes Dokument, welches sich in den nächsten Jahren zum Standard entwickeln könnte. Unabhängig von einer möglichen Standardisierung wird CSV aber heute schon sehr häufig eingesetzt und findet sich in vielen Anwendungen der Dateneingabe und -verarbeitung wieder. Problematisch sind lediglich nicht spezifizierte Datentypen, beliebig wählbare Separatoren und die fehlende Möglichkeit einen festen Zeichensatz anzugeben.
Aufbau einer CSV Datei
Eine CSV Datei besteht aus beliebig vielen Datensätzen. Einzelne Datensätze werden üblicherweise durch einen Zeilenumbruch voneinander getrennt. Dabei werden meistens je nach Betriebssystem, welches die Datei erzeugt, die für das Betriebssystem typische Zeichen für den Zeilenumbruch verwendet. Beim Wechsel des Betriebssystems kann es dadurch zu Formatierungsproblemen kommen. Der erste Datensatz kann ein spezieller Kopfdatensatz sein, der die Namen der Spalten definiert. Dies ist immer dann sinnvoll, wenn man nicht die Möglichkeit hat, den Inhalt einer CSV Datei an anderer Stelle ausführlich zu dokumentieren.
Jeder Datensatz besteht wiederum aus beliebig vielen Datenfeldern (Spalten). Allgemein werden diese durch ein Komma getrennt (daher der Name). Da kein allgemeiner Standard für das Dateiformat existiert, ist jedoch auch die Trennung mit jedem beliebigen anderen Zeichen denkbar. Häufig werden auch der Tabulator, Leerzeichen, Semikolon, Doppelpunkt oder andere Zeichen zur Trennung der Datensätze herangezogen.
Ein Trennzeichen sollte beim Erstellen immer so gewählt werden, dass es möglichst wenig in den eigentlichen Datensätzen vorkommt. Kommt das Trennzeichen in den Datensätzen vor, so müssen spezielle Feldbegrenzerzeichen (auch Textbegrenzungszeichen genannt) verwendet werden. Normalerweise handelt es sich dabei um das Anführungszeichen. Kommt der Feldbegrenzer selbst in den Daten vor, wird dieser im Datenfeld maskiert, in dem er doppelt geschrieben wird. Jeder Datensatz sollte wenn möglich immer die gleiche Anzahl Spalten enthalten.
Datenformate in CSV Dateien
Bei einer CSV Datei gibt es keine vorgegebenen Datenformate. Die Formatierung muss also von den beteiligten Benutzern abgestimmt werden. Zu Problemen kann es insbesondere bei Datums- und Zeitangaben kommen, da die Reihenfolge von Jahr, Monat, Tag, Stunde, Minute und Sekunde nicht immer eindeutig festgestellt werden kann. Außerdem werden Datumsangaben von Region zu Region unterschiedlich formatiert und es werden von Land zu Land verschiedene Trennzeichen verwendet.
Weitere Probleme treten bei der Verarbeitung von Sonderzeichen auf. Da in einer CSV Datei nirgendwo der verwendete Zeichensatz explizit angegeben wird, kann es zu Unstimmigkeiten beim Öffnen auf einem anderen System kommen. Häufig werden Umlaute nicht korrekt dargestellt. Viele Programme bieten aber an, den Zeichensatz manuell auszuwählen. Als kleinster gemeinsamer Nenner gilt der 7-Bit-ASCII, welches zwar eine sehr eingeschränkte Anzahl an Zeichen zur Verfügung stellt (zum Beispiel keine Umlaute und nur wenige Sonderzeichen), dafür aber von praktisch allen Programmen erzeugt und verarbeitet werden kann.
Problematisch kann auch die Verarbeitung des leeren Datenfelds sein. Dieses wird in einer CSV Datei durch zwei direkt aufeinander folgende Feldbegrenzer (meistens Anführungszeichen) erzeugt. Zwei aufeinanderfolgende Feldbegrenzerzeichen gelten aber auch als ein einzelnes maskiertes Feldbegrenzerzeichen. So wird manchmal anstatt eines leeren Datenfeldes ein Zeichen interpretiert. Während diese mögliche Fehlerquelle im privaten Bereich nicht so stark ins Gewicht fällt, kann es bei professionellen Datenbankanwendungen schlecht sein, wenn ein Datenfeld nicht korrekt als leer erkannt wird.
Anwendung von CSV
Das CSV Format wird in vielen verschiedenen Bereichen verwendet. Es bietet sich immer dann an, wenn ein Programm oder Service einfach strukturierte Daten wie zum Beispiel Tabellen zum Download anbieten möchte. Softwareentwickler können dann zum Beispiel Programme schreiben, die die CSV Dateien einlesen und in eine Datenbank abspeichern. Vielen Datenbankmanagement Systeme unterstützen CSV sowohl als Import- als auch Exportformat. Aber auch Endanwender können CSV Dateien mit Hilfe von kostenpflichtigen oder freien Programmen für die Tabellenkalkulation anwenden und weiterverarbeiten. Da es beim CSV Dateiformat aber um nichts anderes handelt als um Textdateien, können CSV Dateien auch mit jedem Texteditor geöffnet und erstellt werden.
Generell wird CSV oft dann eingesetzt, wenn Dateien wie zum Beispiel Datenbanktabellen zwischen unterschiedlichen Computerprogrammen ausgetauscht werden sollen. Open Data Projekte stellen ihre Daten häufig in diesem Format zur Verfügung, da es unabhängig von speziellen Datenbanksystemen ist. Immer gilt bei CSV, dass sowohl der Ersteller als auch der Nutzer der Datei seine verwendeten Programme jederzeit selbständig ändern kann. Die Daten in der CSV Datei bleiben dabei gleich und können auch vom neuen Programm erzeugt beziehungsweise verarbeitet werden. Daher bietet es sich auch an auf CSV zu setzen, wenn man von einem Tabellenkalkulationsprogramm zu einer anderen Version oder einem anderen Anbieter wechseln möchte.
Zusammenfassung
Ein CSV-Datei (Comma-Separated Values) ist ein Textformat zum Speichern und Austauschen von strukturierten Daten wie Listen und Tabellen. Diese Dateien sind systemunabhängig und können mit verschiedenen Texteditoren oder speziellen Programmen bearbeitet werden. Obwohl es keinen allgemeinen Standard gibt, ist das RFC 4180 Dokument weit verbreitet und könnte sich als Standard etablieren.
Der Aufbau einer CSV-Datei besteht aus Datensätzen, die normalerweise durch Zeilenumbrüche getrennt sind. Jeder Datensatz enthält Datenfelder, üblicherweise durch ein Komma oder ein anderes Trennzeichen getrennt. Wichtig ist die sorgfältige Auswahl von Trennzeichen und Feldbegrenzern, um Formatierungsprobleme zu vermeiden.
CSV-Dateien haben keine festgelegten Datenformate, was bei Datums- und Zeitangaben oder der Verarbeitung von Sonderzeichen zu Problemen führen kann. Es liegt an den Benutzern, die Formatierung abzustimmen. Häufig verwendeter Zeichensatz ist der 7-Bit-ASCII, der zwar eingeschränkt ist, aber breite Kompatibilität bietet.
In der Praxis findet das CSV-Format breite Anwendung, von Datenbankmanagement-Systemen bis hin zu Open Data Projekten. Es eignet sich besonders für den Datenaustausch zwischen unterschiedlichen Programmen und bleibt nützlich, auch wenn Benutzer ihre Software ändern.
Häufige Fragen und Antworten
Was ist eine CSV Datei?
Eine CSV Datei (Comma-Separated Values) ist eine speziell aufgebaute Textdatei, mit der man einfach strukturierte Daten speichern und austauschen kann. Sie können sowohl Listen als auch ganze Tabellen unterschiedlicher Länge speichern. Dateien in diesem Format enden typischerweise mit .csv und haben den MIME-Typ text/csv. CSV Dateien können mit Texteditoren oder speziellen Programmen geöffnet und bearbeitet werden.
Wie ist der Aufbau einer CSV Datei?
Eine CSV Datei besteht aus beliebig vielen Datensätzen. Die Datensätze werden normalerweise durch einen Zeilenumbruch voneinander getrennt. Jeder Datensatz besteht aus mehreren Spalten, die durch ein Trennzeichen (üblicherweise ein Komma) getrennt sind. Es ist wichtig, dass das Trennzeichen so gewählt wird, dass es möglichst wenig in den Daten vorkommt. Wenn das Trennzeichen in den Daten vorkommt, werden spezielle Feldbegrenzerzeichen wie Anführungszeichen verwendet. Jeder Datensatz sollte die gleiche Anzahl von Spalten haben.
Welche Datenformate können in einer CSV Datei verwendet werden?
In einer CSV Datei gibt es keine vorgegebenen Datenformate. Die Formatierung muss von den Benutzern abgestimmt werden. Dies kann insbesondere bei Datums- und Zeitangaben zu Problemen führen, da die Reihenfolge der Bestandteile unterschiedlich interpretiert werden kann. Auch die Verarbeitung von Sonderzeichen kann problematisch sein. Es empfiehlt sich, den 7-Bit-ASCII-Zeichensatz zu verwenden, um breite Kompatibilität zu gewährleisten.
Wofür kann man CSV Dateien verwenden?
CSV Dateien werden in vielen verschiedenen Bereichen eingesetzt. Sie eignen sich besonders, um einfach strukturierte Daten wie Listen oder Tabellen zum Download anzubieten. Softwareentwickler können CSV Dateien einlesen und in eine Datenbank importieren. Auch Datenbankmanagement-Systeme unterstützen CSV als Import- und Exportformat. Endanwender können CSV Dateien mit Tabellenkalkulationsprogrammen bearbeiten und weiterverarbeiten. CSV wird häufig für den Datenaustausch zwischen verschiedenen Programmen verwendet.