CSV—简单格式下隐藏的那些坑

CSV（Comma-Separated Values），是一种通用的、相对简单的文件格式。其文件以纯文本形式存储表格数据，文件可由任意数目的记录组成，记录间以换行符分隔，每条记录由字段组成，字段间的分隔符是特定字符或字符串，最常见的是以逗号作为分隔符。

例如：下面是一个含有三行内容的csv文件。

CSV格式广泛应用于程序之间转移表格数据，这些程序在格式上是不兼容的，在没有高效的数据迁移工具时，CSV就成为最好的中间格式之一，因此大部分程序也都支持CSV数据的导入和导出。例如，从A程序导出CSV文件，再将该文件导入至B程序。这一过程看似简单，但其中也存在着不少隐含的坑，下面我们就来盘点一下常见的三种坑。

坑一：换行和逗号

前文中我们提到过CSV文件中每条记录是通过换行符分隔的，常用逗号作为分隔符。但在实际处理数据时会遇到字段中也存在换行和逗号的情况，如果A程序没有处理好对应的数据，在导入B程序时就会产生错误的数据或记录。

例如：下面CSV文件中第二行的记录中第四个字段中包含逗号和换行。

我们可以使用Excel工具来查看该文件文解析后的样子：

正确的数据处理方式是将包含逗号和换行的字段用双引号包围起来：

对应文件被解析后：

拓展一下，字段中的若本身就存在双引号，需要在字段自身的双引号前再加一个双引号。

比如我们在Airplane前加一个双引号表示字段本身的数据：

该文件使用本文工具打开以后是这样的：

坑二：BOM头

很多时候CSV文件的编码格式都是较为常见UTF-8格式，UTF-8格式存在BOM头的问题，这种问题大部分原因是在Windows下编辑CSV文件时被自动加上了BOM头。如果程序B没有处理好BOM头，会导致将BOM头也被当做字段的一部分，而且这种错误无法通过直接观察CSV文件来发现。

例如这里是两个内容完全相同的文件：

当一个包含BOM头，另一个不包含时，其二进制表达是不一样的：

包含BOM头的文件在文件开始位置多了3个字节数据。处理方式也很简单，将文件以无BOM的形式保存就行。

坑三：CSV注入

CSV注入其实是一个安全漏洞，当CSV文件被Excel工具打开时，其字段数据被Excel解析，从而支持了Excel提供的所有动态功能。

下面我们来看一个例子：

我们将其中一个字段写成了=1+1，此时用Excel工具打开该文件：

=1+1被解析成了2

同理，利用此漏洞还可以执行任意程序。

用Execl打开时会出现如下提示：

点击是后便会运行计算器程序

当然，该漏洞在较新版本的Excel中都被默认禁止了。在文件->选项->信任中心中外部内容设置中默认都是不勾选“启用动态数据交换服务器启动”。

以上就是我在处理csv数据时遇到过的坑，希望读者们在遇到类似问题时能第一时间想到原因和解决方案，避免在坑里徘徊太久。