CSV बनाम TSV: आपको कौन-सा डिलिमिटर फॉर्मेट चुनना चाहिए?
त्वरित जवाब
सामान्य-उद्देश्य डेटा एक्सचेंज और अधिकतम संगतता के लिए CSV उपयोग करें। जब डेटा में कॉमा हो लेकिन tab नहीं, तब TSV उपयोग करें ताकि quoting और एस्केपिंग से बचें। TSV bioinformatics और NLP में आम है; CSV सार्वभौमिक डिफ़ॉल्ट है।
परिचय
CSV (Comma-Separated Values) और TSV (Tab-Separated Values) टेबुलर डेटा के दो प्लेन-टेक्स्ट फॉर्मेट हैं। दोनों पंक्तियों को लाइनों के रूप में स्टोर करते हैं जिनमें फ़ील्ड डिलिमिटर से अलग होते हैं। CSV कॉमा का उपयोग करता है; TSV tab अक्षर का। डिलिमिटर का चुनाव एस्केपिंग, स्प्रेडशीट संगतता और टेक्स्ट फ़ील्ड हैंडलिंग को प्रभावित करता है।
क्रमशः
-
सीमांकक और भागने की तुलना करें
CSV अल्पविराम का उपयोग करता है। यदि किसी फ़ील्ड में अल्पविराम है, तो उसे उद्धरण चिह्नों में लपेटा जाना चाहिए: "स्मिथ, जॉन"। यदि किसी फ़ील्ड में उद्धरण शामिल हैं, तो उन्हें हटा दिया जाना चाहिए: "उसने कहा ""हैलो"""। TSV टैब का उपयोग करता है। टेक्स्ट डेटा में टैब शायद ही कभी दिखाई देते हैं, इसलिए TSV फ़ील्ड को आमतौर पर उद्धृत करने या भागने की आवश्यकता नहीं होती है - सरल पार्सिंग।
-
अनुकूलता की तुलना करें
CSV सार्वभौमिक रूप से समर्थित है: एक्सेल, Google शीट्स=शीट्स, प्रत्येक डेटाबेस, प्रत्येक प्रोग्रामिंग भाषा। TSV भी व्यापक रूप से समर्थित है लेकिन कम मानकीकृत है - कुछ उपकरण टैब की अलग-अलग व्याख्या करते हैं। एक्सेल दोनों का स्वत: पता लगाता है, लेकिन CSV डिफ़ॉल्ट निर्यात प्रारूप है।
-
पार्सिंग जटिलता की तुलना करें
CSV पार्सिंग के लिए उद्धरण नियमों (RFC 4180) को संभालने के लिए एक राज्य मशीन की आवश्यकता होती है। TSV पार्सिंग तुच्छ है: प्रत्येक पंक्ति को टैब वर्ण द्वारा विभाजित करें। यह TSV को पार्स करने में तेज़ और कम त्रुटि-प्रवण बनाता है। हालाँकि, CSV की एक औपचारिक विशिष्टता है (RFC 4180); TSV का कोई औपचारिक मानक नहीं है।
-
उपयोग के मामलों की तुलना करें
CSV: स्प्रेडशीट आयात/निर्यात, डेटा APIs, ETL पाइपलाइन, कॉन्फिग फ़ाइलें, यूनिवर्सल डेटा एक्सचेंज। TSV: जैव सूचना विज्ञान (BLAST, GFF), NLP (CoNLL प्रारूप), क्लिपबोर्ड डेटा (एक्सेल से कॉपी = TSV), टैब डिलीमीटर के साथ लॉग फ़ाइलें।
-
अपने डेटा के आधार पर निर्णय लें
यदि आपके डेटा में अल्पविराम (नाम, पते, वाक्य) हैं: TSV उद्धरण देने से बचता है। यदि आपके डेटा में टैब हैं (पाठ में दुर्लभ): CSV उद्धृत करने से बचता है। यदि आपको अधिकतम अनुकूलता चाहिए: CSV। यदि आप सरल पार्सिंग चाहते हैं और आपका डेटा टैब-मुक्त है: TSV।
उदाहरण
CSV और TSV में समान डेटा
इनपुट: CSV: नाम, उम्र, शहर\n"स्मिथ, जॉन",30,"न्यूयॉर्क, NY"\nTSV: नाम\tage\tशहर\nस्मिथ, जॉन\t30\tन्यूयॉर्क, NY
उत्पादन: CSV को अल्पविराम वाले फ़ील्ड के लिए उद्धरण चिह्नों की आवश्यकता होती है। TSV को किसी उद्धरण की आवश्यकता नहीं है क्योंकि टैब डेटा में दिखाई नहीं देते हैं।
सामान्य समस्या
- CSV किनारे के मामलों को उद्धृत करना: अल्पविराम, उद्धरण, या न्यूलाइन वाले फ़ील्ड को RFC 4180 उद्धरण नियमों की आवश्यकता होती है - अल्पविराम द्वारा एक सरल विभाजन एम्बेडेड अल्पविराम के साथ डेटा को दूषित कर देगा।
- TSV का कोई औपचारिक मानक नहीं है: CSV (RFC 4180) के विपरीत, TSV की कोई आधिकारिक विशिष्टता नहीं है, इसलिए उपकरण किनारे के मामलों को अलग तरीके से संभाल सकते हैं - TSV का उपयोग केवल नियंत्रित पाइपलाइनों के भीतर करें।
- एक्सेल एन्कोडिंग मुद्दे: एक्सेल CSV को BOM या स्थानीय-विशिष्ट डिलीमीटर (ईयू स्थानों में अर्धविराम) के साथ निर्यात कर सकता है - UTF-8 एन्कोडिंग निर्दिष्ट करें और आयात पर डिलीमीटर सत्यापित करें।
- न्यूलाइन अस्पष्टता: एम्बेडेड न्यूलाइन वाले CSV फ़ील्ड मान्य हैं लेकिन लाइन-बाय-लाइन पार्सिंग को तोड़ते हैं - TSV में शायद ही कभी यह समस्या होती है क्योंकि टेक्स्ट डेटा में टैब असामान्य होते हैं।
सुझावों
- अधिकतम अनुकूलता के लिए CSV का उपयोग करें - प्रत्येक स्प्रेडशीट, डेटाबेस और प्रोग्रामिंग भाषा मूल रूप से इसका समर्थन करती है।
- जटिलता को उद्धृत करने से पूरी तरह बचने के लिए जब आपके डेटा में अल्पविराम हो लेकिन टैब (नाम, पते, वाक्य) न हों तो TSV का उपयोग करें।
- RFC 4180 उद्धरण नियमों को संभालने के लिए हमेशा एक उचित CSV पार्सर (स्ट्रिंग.स्प्लिट नहीं) का उपयोग करें - अनुभवहीन विभाजन एम्बेडेड अल्पविराम या उद्धरण के साथ फ़ील्ड को दूषित करता है।
- एक्सेल से टेक्स्ट एडिटर में डेटा कॉपी करते समय, क्लिपबोर्ड TSV प्रारूप का उपयोग करता है - फ़ील्ड को अल्पविराम के साथ सही ढंग से संरक्षित करने के लिए .tsv फ़ाइल में पेस्ट करें।