CSV क्या है? प्रारूप, नियम, उपयोग, और सामान्य गलतियाँ
Scrapeless Scraping API CSV में संरचित वेब डेटा लौटा सकता है, जो स्प्रेडशीट, डेटाबेस-आयात, और विश्लेषण कार्य प्रवाह के लिए है।
TL;DR
- CSV एक तालिका को साधारण पाठ के रूप में संग्रहीत करता है। प्रत्येक रिकॉर्ड सामान्यत: एक पंक्ति होती है, और उस रिकॉर्ड के भीतर क्षेत्रों को अलग करने के लिए एक डिलिमिटर का उपयोग किया जाता है।
- CSV एक बोलियों का परिवार है। RFC 4180 एक व्यापक रूप से उपयोग की जाने वाली कॉमा-और-डबल-कोट्स बेसलाइन को दस्तावेज करता है, लेकिन वास्तविक फ़ाइलें सीमांकक, एन्कोडिंग, पंक्ति समाप्ति, हेडर और शून्य प्रथाओं में भिन्न होती हैं।
- नियम: 1. आउटपुट केवल अनुवादित पाठ — कोई स्पष्टीकरण नहीं, कोई अतिरिक्त रैपिंग कोड फेंस नहीं। 2. मार्कडाउन/एचटीएमएल संरचना (शीर्षक, सूची, लिंक, तालिकाएँ) को बिल्कुल उसी तरह बनाए रखें। 3. किसी भी प्लेसहोल्डर टोकन जैसे @@CODEBLOCK_0@@ या @@INLINECODE_0@@ को ठीक उसी तरह रखें जैसा है; कभी भी अनुवाद न करें, पुनः क्रमबद्ध न करें, न ही मर्ज या पुनः स्वरूपित करें। 4. कोई ``` कोड फेंस न जोड़ें या हटाएँ, और सामान्य पाठ को कोड ब्लॉक में लपेटें नहीं। एक फ़ील्ड जिसमें कॉमा, उद्धरण, या रेखा ब्रेक हो, उसे डबल उद्धरण में बंद किया जाना चाहिए, और एक शाब्दिक डबल उद्धरण को दो डबल उद्धरणों द्वारा दर्शाया गया है।
- CSV पूर्ण स्कीमा नहीं ले जाता है। प्रकार, आवश्यक फ़ील्ड, तिथियाँ, नल, इकाइयाँ, और पहचानकर्ता नियमों को दस्तावेज़ीकरण, एक साइडकार स्कीमा, या प्राप्त करने वाली प्रणाली से आना चाहिए।
- सुरक्षित आयात परिवर्तित करने से पहले निरीक्षण करें। I'm sorry, but I need the original text that you want me to translate to Hindi. Please provide the text, and I'll be happy to help!
CSV फ़ाइल क्या है?
CSV का अर्थ है अल्पविराम-सेपरेटेड मान। एक CSV फ़ाइल टेक्स्ट के रूप में तालिका डेटा का प्रतिनिधित्व करती है: पंक्तियाँ रिकॉर्ड का प्रतिनिधित्व करती हैं, और अलग करने वाले प्रत्येक रिकॉर्ड को फ़ील्ड में विभाजित करते हैं। पहली पंक्ति अक्सर कॉलम के नामों को शामिल करती है, हालाँकि एक हेडर वैकल्पिक है। फ़ाइल का एक्सटेंशन आमतौर पर .csv, और पंजीकृत मीडिया प्रकार है text/csv.
परिचित फॉर्मेट जानबूझकर सरल है। एक ग्राहक निर्यात में पहचानकर्ता, नाम, देश, और खाता स्थिति के लिए कॉलम हो सकते हैं। एक डेटाबेस CSV में क्वेरी परिणाम लिख सकता है, एक स्प्रेडशीट फाइल को खोल सकती है, और एक अन्य सिस्टम बिना किसी स्वामित्व वाले वर्कबुक फॉर्मेट को साझा किए बिना समान पंक्तियों को आयात कर सकता है।
RFC 4180 सामान्य CSV प्रारूप और text/csv मीडिया प्रकार को दस्तावेजित करता है।यह कमा खंडितकर्ताओं, CRLF रिकॉर्ड सीमाओं, एक वैकल्पिक हेडर, और डबल-क्वोटीयों के एस्केपिंग का विवरण देता है। दस्तावेज़ सूचनात्मक है न कि हर फ़ाइल को CSV के लिए एक सार्वभौमिक कानून। कई उपकरण परिवर्तनों को स्वीकार या उत्पन्न करते हैं, इसलिए एक CSV फ़ाइल का आदान-प्रदान करने के लिए अभी भी इसके उच्चारण पर सहमति की आवश्यकता होती है।
CSV सिंटैक्स कैसे काम करता है
एक न्यूनतम CSV फ़ाइल में एक शीर्षक और तीन रिकॉर्ड हो सकते हैं:
id,name,country,active
101,Ada,GB,true
102,Lin,SG,false
103,Sam,CA,trueइस उदाहरण में हर पंक्ति में चार फ़ील्ड होते हैं। शीर्षक लेबल प्रदान करता है लेकिन प्रकार घोषित नहीं करता। एक पाठक यह निहित कर सकता है कि id एक पूर्णांक है और active यह एक बूलियन है, जबकि एक और पाठक प्रत्येक क्षेत्र को पाठ के रूप में संरक्षित कर सकता है। दोनों व्याख्याएँ संभव हैं जब तक कि डेटा अनुबंध एक का निर्धारण न करे।
नियम: 1. केवल अनुवादित पाठ का आउटपुट करें - कोई स्पष्टीकरण नहीं, कोई अतिरिक्त कवरिंग कोड फेंस नहीं। 2. मार्कडाउन/एचटीएमएल संरचना (शीर्षक, सूचियाँ, लिंक, तालिकाएँ) को बिल्कुल उसी तरह बनाए रखें। 3. किसी भी प्लेसहोल्डर टोकन जैसे @@CODEBLOCK_0@@ या @@INLINECODE_0@@ को EXACTLY जैसा है वैसे ही रखें; कभी भी अनुवाद न करें, पुनर्व्यवस्थित न करें, विलय न करें, या प्रारूप न करें। 4. ``` कोड फेंस जोड़ें या निकालें नहीं, और सामान्य पाठ को कोड ब्लॉक में लपेटें नहीं।
एक कॉमा मानक विभाजक है, लेकिन सेमीकोलन, टैब और पाइप क्षेत्रीय निर्यात और अनुप्रयोग-विशिष्ट फ़ीड में सामान्य हैं। दशमलव-कॉमा स्थानीयताएँ अक्सर अस्पष्टता से बचने के लिए सेमीकोलन का उपयोग करती हैं। टैब-सेपरेटेड वैल्यूज़ को आमतौर पर TSV कहा जाता है, फिर भी कई आयात संवाद CSV और TSV को एक "विभाजित पाठ" कार्यप्रवाह के तहत समूहित करते हैं।
उत्पादक को सीमांकक का उल्लेख करना चाहिए। पहले पंक्ति से अनुमान लगाना तब विफल हो सकता है जब मानों में विराम चिह्न होते हैं या जब एक कॉलम वाली फ़ाइल में बिल्कुल भी सीमांकक नहीं होता है। एक प्राप्त करने वाली पाइपलाइन को स्पष्ट व्याकरण विन्यास की अनुमति देनी चाहिए और पता की गई सेटिंग्स की रिपोर्ट करनी चाहिए।
उद्धरण और escaping
एक फ़ील्ड जिसमें एक कॉमा, एक डबल कोट, या एक रिकॉर्ड सीमा हो, उसे सामान्य RFC 4180 नियमों के तहत उद्धरण की आवश्यकता होती है। उद्धृत फ़ील्ड के अंदर डबल कोटों को डबल किया जाता है:
id,name,note
201,"Rivera, Ana","Asked for ""priority"" handling"
202,Chen,"First line
Second line"दूसरा रिकॉर्ड दिखाता है कि एक उद्धृत फ़ील्ड में एक लाइन ब्रेक हो सकता है। एक पार्सर जो फ़ाइल को CSV नियमों को लागू करने से पहले लाइनों में विभाजित करता है, उस रिकॉर्ड को भ्रष्ट कर देगा। एक सामान्य स्ट्रिंग विभाजन के बजाय उद्धरण को समझने वाले CSV पार्सर का उपयोग करें।
शीर्षक
एक हेडर पंक्ति पठनीयता में सुधार करती है और उपभोक्ताओं को स्थिति के बजाय नाम द्वारा स्तंभों को मानचित्रित करने की अनुमति देती है। फिर भी, CSV व्याकरण यह प्रमाणित नहीं कर सकता कि एक हेडर मौजूद है। एक प्राप्त करने वाले सिस्टम को कॉन्फ़िगरेशन की आवश्यकता होती है या header मीडिया-प्रकार पैरामीटर। कॉलम नामों को अद्वितीय, स्थिर और दस्तावेज़ित होना चाहिए। बिना अनुबंध के हेडर को ट्रिमिंग या केस-फोल्डिंग करना विभिन्न क्षेत्रों को मिला सकता है।
CSV क्या परिभाषित नहीं करता है
CSV फ़ील्ड सीमाओं का वर्णन करता है, डोमेन अर्थ नहीं। यह डेटा प्रकार, प्राथमिक कुंजी, संबंध, इकाइयाँ, समय क्षेत्र, वर्ण एन्कोडिंग, या यह नहीं बताता कि क्या एक खाली फ़ील्ड एक खाली स्ट्रिंग, एक अज्ञात मान, या एक गायब मान को दर्शाता है।
The W3C वेब पर टैबुलर डेटा और मेटाडाटा के लिए मॉडल यह इस अंतर को संबोधित करता है कि कैसे टैबुलर फ़ाइलों को कॉलम, डेटा प्रकार, शीर्षकों और रिश्तों के बारे में मेटाडेटा के साथ जोड़ा जा सकता है। टीमों को उस पूर्ण मॉडल को अपनाने की आवश्यकता नहीं है, लेकिन उन्हें कहीं स्थायी रूप से समकक्ष जानकारी प्रदान करनी चाहिए।
सामान्य CSV बोलने के अंतर
| आयाम | सामान्य विकल्प | क्यों यह महत्वपूर्ण है |
|---|---|---|
| क्षेत्र सीमांकक | कोमा, सेमिकोला, टैब, पाइप | एक गलत विकल्प स्पष्ट स्तंभों की संख्या को बदल देता है |
| उद्धरण पात्र | डबल उद्धरण, एकल उद्धरण, कोई नहीं | नियंत्रण करता है कि क्या विराम चिह्न और पंक्ति ब्रेक एक字段 के अंदर रहते हैं |
| एस्केप विधि | डबल उद्धरण, बैकस्लैश सम्मेलन | एक असंगति शाब्दिक उद्धरण पात्रों को बदल देती है |
| हेडर | उपस्थित, अनुपस्थित, कई वर्णनात्मक पंक्तियाँ | पहला रिकॉर्ड डेटा के लिए गलत समझा जा सकता है या इसके विपरीत |
| कोडिंग | UTF-8, BOM के साथ UTF-8, विरासती कोडिंग | गलत डिकोडर नामों और प्रतीकों को भ्रष्ट कर देता है |
| रिकॉर्ड समाप्ति | CRLF, LF | अब ज्यादातर आधुनिक पार्सर दोनों को स्वीकार करते हैं, लेकिन कठिन प्रणालियाँ ऐसा नहीं कर सकतीं |
| नल मान | खाली क्षेत्र, संदेशन पाठ, अनुबंध-विशिष्ट मार्कर | खाली स्ट्रिंग और गायब मान अदृश्य हो सकते हैं |
सीएसवी क्यों उपयोगी बना रहता है
CSV का व्यापक समर्थन है। स्प्रेडशीट एप्लिकेशन, डेटाबेस, कमांड-लाइन टूल, डेटा फ़्रेम, विश्लेषण प्लेटफ़ॉर्म और व्यावसायिक सिस्टम सीमांकित पाठ पढ़ या लिख सकते हैं। यह संगतता CSV को एक फ्लैट टेबल के लिए एक विश्वसनीय हैंडऑफ प्रारूप बनाती है।
CSV भी निरीक्षण करने योग्य है। एक डेवलपर एक छोटे फ़ाइल को टेक्स्ट संपादक में खोल सकता है, और एक डेटा विश्लेषक इसे एक स्प्रेडशीट में लोड कर सकता है बिना किसी डोमेन-विशिष्ट व्यूअर को स्थापित किए। क्योंकि प्रतिनिधित्व में थोड़ा संरचनात्मक ओवरहेड होता है, यह व्यापक, नियमित टेबलों के लिए कॉम्पैक्ट हो सकता है, विशेष रूप से संकुचन के बाद।
यह प्रारूप केवल ऐपेंड-ओनली निर्यातों और बैच आयातों के लिए अच्छी तरह से काम करता है जब हर रिकॉर्ड एक योजना का पालन करता है। जब एक रिकॉर्ड में नेस्टेड ऑब्जेक्ट्स, एरेज़, या फ़ील्ड्स का एक परिवर्तनशील सेट होता है, तो यह कम उपयुक्त होता है। उन संरचनाओं को कॉलम में चपटा करना, संबंधित फ़ाइलों में विभाजित करना, या किसी अन्य सम्मेलन का उपयोग करके एक सेल के अंदर कोडित करना चाहिए।
टिपिकल CSV उपयोग के मामलों
स्प्रेडशीट हैंडऑफ
टीमें उन लोगों के साथ इन्वेंटरी, अभियान, वित्त, और परिचालन तालिकाएँ साझा करती हैं जिन्हें परिचित इंटरफ़ेस में सॉर्टिंग, फ़िल्टरिंग, सूत्र, या चार्टिंग की आवश्यकता होती है।
डेटाबेस आयात और निर्यात
संबंधात्मक क्वेरी परिणाम स्वाभाविक रूप से पंक्तियों और कॉलमों में मैप होते हैं, जब तक कि निर्यात अनुबंध पहचानकर्ताओं, नल, सटीकता, और टाइमस्टैम्प्स को संरक्षित करता है।
विश्लेषण मंचन
छोटे और मध्यम डेटासेट अक्सर CSV के रूप में आते हैं जब एक पाइपलाइन उन्हें मान्य करती है और उन्हें प्रकारित विश्लेषणीय संग्रह में रूपांतरित करती है।
सार्वजनिक डेटा वितरण
एजेंसियां और अनुसंधान समूह फ्लैट डेटासेट्स को CSV में प्रकाशित करते हैं क्योंकि प्राप्तकर्ता उन्हें कई भाषाओं और डेस्कटॉप उपकरणों के साथ संसाधित कर सकते हैं।
CSV सुरक्षा जोखिम
एक CSV फ़ाइल डेटा है, लेकिन स्प्रेडशीट सॉफ़्टवेयर एक सेल को एक फार्मूला के रूप में व्याख्या कर सकता है जिसमें ऐसे वर्ण होते हैं जैसे कि बराबरी का चिह्न। यदि एक अविश्वसनीय मान एक फार्मूला बन जाता है, तो निर्यात खोलने से उस स्प्रेडशीट पर्यावरण द्वारा समर्थित क्रियाएँ ट्रिगर हो सकती हैं। इस समस्या को अक्सर CSV या फ़ार्मूला इंजेक्शन कहा जाता है।
OWASP के CSV इंजेक्शन मार्गदर्शन व्याख्या करता है कि क्यों अनधिकृत इनपुट का निर्यात करने वाले अनुप्रयोगों को स्प्रेडशीट व्याख्या का ध्यान रखना चाहिए। एक निर्माता को लक्षित स्प्रेडशीट के वर्तमान सुरक्षित-निर्यात मार्गदर्शन का पालन करना चाहिए और नहीं मान लेना चाहिए कि एक क्षेत्र का उद्धरण फार्मूला अर्थशास्त्र को बेअसर करता है। एक रिसीवर को अज्ञात फ़ाइलों को एक नियंत्रित वातावरण में खोलना चाहिए और सक्रिय सामग्री को सक्षम करने से पहले संदिग्ध प्रारंभिक वर्णों की जांच करनी चाहिए।
CSV सेवन को भी संसाधन नियंत्रण की आवश्यकता होती है। फ़ाइल-आकार, पंक्ति-आकार, कॉलम-गिनती, और क्षेत्र-लंबाई सीमाएँ निर्धारित करें। स्पष्ट स्थान के साथ विकृत उद्धरण को अस्वीकृत करें। ऑडिट उद्देश्यों के लिए मूल फ़ाइल को बनाए रखें, और उस तरीके में एक क्षतिग्रस्त रिकॉर्ड की चुप्पी से मरम्मत करने से बचें जो फ़ील्ड्स को गलत कॉलम में स्थानांतरित कर दे।
CSV को विश्वसनीयता से आयात करने के लिए
- मूल बाइट्स को संरक्षित करें। स्रोत फ़ाइल को अपरिवर्तित रखें ताकि कोडिंग, उद्धरण, और पंक्ति-सीमा की समस्याएँ पुन: पेश की जा सकें।
- गद्य निर्धारित करें या पहचानें। उत्पादक द्वारा प्रदान की गई सेटिंग्स को प्राथमिकता दें। यदि पहचान आवश्यक है, तो परिणाम को रिकॉर्ड करें और उच्च-मूल्य डेटा को लोड करने से पहले समीक्षा की अनुमति दें।
- स्पष्ट रूप से डिकोड करें। UTF-8 एक उचित एक्सचेंज डिफ़ॉल्ट है, लेकिन एक बाइट-ऑर्डर मार्क या अनुबंध मेटाडेटा एक अन्य कोडिंग को इंगित कर सकता है।
- CSV पुस्तकालय के साथ पार्स करें। कॉमा या पंक्ति विराम पर न बांटें क्योंकि उद्धृत क्षेत्र दोनों में शामिल हो सकते हैं।
- पहले आकार को मान्य करें। शीर्षकों, डुप्लिकेट कॉलम नामों, फ़ील्ड गिनती, आवश्यक कॉलम, और अधिकतम आकार की जांच करें पहले प्रकार रूपांतरण।
- एक स्कीमा के तहत प्रकारों को परिवर्तित करें। तारीखों, दशमलव, बूलियन और पहचानकर्ताओं को स्पष्ट स्थानीयता और सटीकता नियमों का उपयोग करके पार्स करें।
- अवैध रिकॉर्ड को क्वारंटीन करें। एक गलत रिकॉर्ड को शेष डेटा सेट को स्थानांतरित करने के बिना रिकॉर्ड और कारण की रिपोर्ट करें।
CSV की तुलना अन्य प्रारूपों से
CSV को एक सपाट-टेबल एक्सचेंज प्रारूप के रूप में सर्वश्रेष्ठ समझा जाता है। JSON में स्तरित वस्तुएं, ऐरे, बूलियन, संख्याएँ और शून्य जोड़ता है। NDJSON स्ट्रीम और लॉग के लिए प्रति पंक्ति एक स्वतंत्र JSON मान रखता है। Parquet विश्लेषणात्मक स्कैन के लिए निर्मित एक बाइनरी लेआउट में प्रकारित कॉलम को संग्रहीत करता है। एक XLSX कार्यपुस्तिका सूत्रों, शैलियों, कार्यपत्रकों और समृद्ध स्प्रेडशीट व्यवहार को संरक्षित कर सकती है।
एक व्यावहारिक पाइपलाइन कई प्रारूपों का उपयोग विभिन्न सीमाओं पर कर सकती है। CSV मानव हैंडऑफ हो सकता है, JSON API प्रतिक्रिया हो सकता है, और Parquet विश्लेषणात्मक भंडारण परत हो सकता है। रूपांतरण तब मूल्यवान होता है जब यह अगले उपभोक्ता से मेल खाता है; इसे पहचानकर्ताओं, शून्य अर्थशास्त्र, सटीकता या उत्पत्ति को मिटाना नहीं चाहिए।
स्वच्छ CSV फ़ाइलें कैसे बनाएं
एक स्थिर कॉलम अनुबंध से शुरू करें। अद्वितीय हेडर का उपयोग करें, प्रत्येक रिकॉर्ड में समान संख्या में फ़ील्ड निकालें, चयनित बोली के अनुसार फ़ील्ड को उद्धृत करें, और एक घोषित एनकोडिंग लिखें। जब अग्रणी शून्य महत्वपूर्ण होते हैं तो पहचानकर्ता फ़ील्ड को टेक्स्ट के रूप में रखें। एक अस्पष्ट दिनांक प्रतिनिधित्व का उपयोग करें जिस पर दोनों पक्ष सहमत हों, और समय-क्षेत्र की जानकारी को टाइमस्टैम्प के लिए शामिल करें।
जब तक अनुबंध स्पष्ट रूप से नहीं कहता कि सेल में JSON शामिल है और इसके एस्केपिंग को परिभाषित करता है, तब तक एक सेल में स्तरित JSON न डालें। एक से कई संबंधों के लिए, संबंधित रिकॉर्ड को साझा कुंजी के साथ दूसरे फ़ाइल में अलग करें या ऐसे प्रारूप का चयन करें जो स्तरित करने का समर्थन करता है। जब एक डिलीवरी में कई फ़ाइलें, स्कीमा, चेकसम या विभाजन होते हैं तो एक मैनिफेस्ट जोड़ें।
निष्कर्ष
CSV सफल होता है क्योंकि यह सपाट तालिकाओं को एक छोटी, व्यापक रूप से समर्थित टेक्स्ट प्रस्तुति देता है। इसकी प्रकट सरलता सीमांकक, उद्धरण, हेडर, एनकोडिंग, शून्य, प्रकार और स्प्रेडशीट व्यवहार के बारे में महत्वपूर्ण विकल्पों को छुपा सकती है। एक विश्वसनीय CSV कार्यप्रवाह एक प्रलेखित बोली को डेटा स्कीमा के साथ जोड़ता है, एक समर्पित पुस्तकालय के साथ पार्स करता है, रूपांतरण से पहले मान्य करता है, और मूल इनपुट को संरक्षित करता है। उन नियंत्रणों के साथ, CSV वेब डेटा, डेटाबेस, विश्लेषणात्मक उपकरणों और व्यावसायिक उपयोगकर्ताओं के बीच एक व्यावहारिक पुल बना रहता है।
क्या आप CSV डेटा वर्कफ़्लो बनाने के लिए तैयार हैं?
स्ट्रक्चर्ड वेब परिणामों को Scrapeless Scraping API के साथ एकत्र करें और उन्हें उन प्रणालियों और लोगों को स्वच्छ तालिकाएँ सौंपें जिन्हें उनकी आवश्यकता है।
आज साइन अप करें और पाएं $5 मुफ्त क्रेडिट — कोई क्रेडिट कार्ड की आवश्यकता नहीं है.
अपना $5 क्रेडिट दावा करें →सामान्य प्रश्न
क्या CSV हमेशा अल्पविराम का उपयोग करता है?
नहीं, अल्पविराम वैध विभाजक है, लेकिन अर्धविराम-, टैब-, और पाइप-सीमांकित फ़ाइलें सामान्य हैं। उत्पादक और उपभोक्ता को बोली पर सहमत होना चाहिए न कि केवल फ़ाइल नाम पर निर्भर रहना चाहिए।
क्या एक CSV फ़ील्ड में अल्पविराम या पंक्ति विराम हो सकता है?
हाँ, सामान्य नियम अनुमत करते हैं कि अल्पविराम और पंक्ति विराम एक डबल-उद्धृत फ़ील्ड के भीतर हो। उस फ़ील्ड के भीतर एक शाब्दिक डबल उद्धरण को दो डबल उद्धरणों द्वारा दर्शाया गया है।
क्या CSV डेटा प्रकारों का समर्थन करता है?
CSV स्वयं एक सार्वभौमिक प्रकार प्रणाली नहीं ले जाता है। प्राप्त करने वाला अनुप्रयोग या एक अलग स्कीमा यह तय करता है कि एक फ़ील्ड टेक्स्ट, संख्या, दिनांक, बूलियन, या शून्य है।
क्या CSV और Excel फ़ाइल एक समान हैं?
नहीं, CSV एक साधारण पाठ तालिका संग्रहीत करता है और कार्यपुस्तिका की विशेषताएँ जैसे कई शीट, सूत्र, शैलियाँ, चार्ट, या सेल प्रकारों को संरक्षित नहीं करता है। स्प्रेडशीट अनुप्रयोग CSV खोल सकते हैं, लेकिन प्रारूप अलग होते हैं।
क्यों CSV मानों से अग्रणी शून्य गायब हो जाते हैं?
अग्रणी शून्य आमतौर पर गायब हो जाते हैं क्योंकि एक स्प्रेडशीट या आयातक ने फ़ील्ड को संख्या के रूप में मान लिया। पहचानकर्ता जैसे डाक कोड और खाता नंबरों को एक स्पष्ट स्कीमा के तहत टेक्स्ट के रूप में आयात करें।