如何高效解析CSV文件？

本文共计1991个文字，预计阅读时间需要8分钟。

CSV概念：CSV（逗号分隔值，Comma-Separated Values）是一种纯文本格式，用于存储表格数据。每行是一个数据记录，每个记录由逗号分隔的不同字段组成。

一、CSV概念

1、逗号分隔值（Comma-Separated Values，CSV），其文件以纯文本形式存储表格数据（数字和文本），文件的每一行都是一个数据记录。每个记录由一个或多个字段组成，用逗号分隔。使用逗号作为字段分隔符是此文件格式的名称的来源，因为分隔字符也可以不是逗号，有时也称为字符分隔值。

2、CSV广泛用于不同体系结构的应用程序之间交换数据表格信息，解决不兼容数据格式的互通问题，一般按照传输双方既定标准进行格式定义，而其本身并无明确格式标准。

3、CSV用逗号分隔字段的基本思想是清楚的，但是当字段数据也可能包含逗号或者甚至嵌入换行符时，该想法变得复杂。 CSV实现可能无法处理这些字段数据，或者可能会使用引号来包围字段。引用并不能解决所有问题：有些字段可能需要嵌入引号，因此CSV实现可能包含转义字符或转义序列。

二、CSV的格式规范

具体文件格式：

1.每条记录占一行 以逗号为分隔符
2.逗号前后的空格会被忽略
3.字段中包含有逗号，该字段必须用双引号括起来
4.字段中包含有换行符，该字段必须用双引号括起来
5.字段前后包含有空格，该字段必须用双引号括起来
6.字段中的双引号用两个双引号表示
7.字段中如果有双引号，该字段必须用双引号括起来
8.第一条记录，可以是字段名

下面的格式规范定义来源于RFC 4180：

1. 每一行记录位于一个单独的行上，用回车换行符CRLF(也就是\r\n)分割。