关于淘宝CSV格式的研究

关于淘宝CSV格式的研究

原贴地址:http://www.cnblogs.com/hackpig/archive/2010/02/14/1668222.html

CSV即Comma Separate Values，这种文件格式经常用来作为不同程序之间的数据交互的格式。 
           经过二进制代码的分析，具体文件格式规则如下：

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

        以上是通行规则，经研究发现，淘宝CSV在文头部加有标志FF FE，这两个字节如果不存在，文件读出来全部为乱码(后注1)。 
        然而这一点现象并没有在有啊CSV文件中发现，拍拍CSV则暂没研究过。 
        其它还有几点比较特殊的地方：

• 如果某个字段没有值（为空），淘宝CSV中表示为TAB
• 淘宝CSV文字编码为Unicode_2LE编码，这一点与有啊CSV是不一样的。

后注1： 文件头部有FF FE，这个称为文件的BOM信息，不同编码的BOM信息是不一样的。

Unicode {0xFF, 0xFE}; 
BE-Unicode {0xFE, 0xFF}; 
UTF8 = {0xEF, 0xBB, 0xBF};

这些知识也是猪悟能后来才知道的，特此标注一下。具体写入文件时加入BOM信息的方法可以参考下面的文章：

彻底解决.net中编码问题的心得