说说互联网产品的几种常见数据格式

2016/9/15

我问莫老师，你知道互联网产品都有哪些常见的数据格式吗？

莫老师问，你是说 Excel 吗？

答得不全对，但对于大多数普通用户来说，这已经是个相当不错的答案了。Excel 是微软 Office 套件中的一款电子表格产品，由于它的（盗版）普及率实在太高了，以致于很多人想到数据，首先就想到了 Excel。如果微软的 Office 今天是个刚刚推向市场的产品，大概也可能会使用一种滥大街的广告格式：Excel 就是数据软件。

我想说的重点不是 Excel，而是表格（Excel 只是表格型数据的一种形式）。表格是一种最直观的数据格式，由横纵交叉的线条将平面空间分成若干行若干列的整齐风格，每个格子中可以填写一些数据。比如这样：

你看，这就是数据。通常的表格数据，如果是在线版，会用 HTML 的 table 标签展示，如果是离线版，一般用 CSV 格式的文件存储。先说 table。

表格

表格是肉眼能够识别的最直观的数据格式。

HTML 中的 table 是这样的结构：

<table>
    <thead>
        <tr>
            <th>Head1</th>
            <th>Head2</th>
        </tr>
    </thead>
    <tbody>
        <tr>
            <td>Value1</td>
            <td>Value2</td>
        </tr>
        <tr>
            <td>Value3</td>
            <td>Value4</td>
        </tr>
    </tbody>
</table>

上面的代码翻译过来是这个样子：

Head1	Head2
Value1	Value2
Value3	Value4

Table 是 Web 前端使用最广泛的数据表达方式。大多数你在网上看到的表格形式的数据，都是用 Table 书写的。Table 也非常好用，你把一个网页上的表格从头到尾选中再复制，多数情况下都可以原样粘贴到 Excel 里。

CSV

CSV 是 Comma Separated Value 的简写，它是一种通用的格式（当我们说通用时，一般指的的兼容性，比如跨平台、跨软件，在任何操作系统上，用任何的表格软件都可以轻松打开）。

任何表格，本质上都是二维矩阵，如果不考虑单元格合并的话，一般都能够用 CSV 文件等价表示，这也是为什么许多数据产品支持的导出格式中都有 CSV 的原因。我们手写一个 CSV 试试：

a,b,c![](![](![](![]())))
d,e,f
h,i,j

这个 CSV 文件用 Excel 等工具打开时会看到这样：

a	b	C
d	e	f
h	i	j

当然 CSV 在使用中有很多局限。比如，CSV 使用了英文逗号作分隔符，那单元格内容中有英文逗号怎么办？于是有人想到，用英文双引号把单元格内容括起来。像这样：

"a,a","b","c"
...

但还是有问题，万一单元格内容中有双引号怎么办？于是又有人想到了转义，也有人想到了换个分隔符，比如 \t。但无论怎么转，单元格内的内容总有可能和分隔符冲突，所以这并不是一种非常完美的解决方案。很多互联网产品在导出 CSV 数据时，由于顾虑不周，经常会出现乱码或者串行的情况。

CSV 被看作是最标准最工整的格式，有成熟的处理方式、成熟的标准、成熟的软件支持。如果有人拿着 CSV 文件说做大数据分析，建议你呸它一脸，要是能处理成 CSV 这么工整的格式，基本上就算不上大数据了。

XML

与 CSV 类似的格式，有一种叫 XML。XML 是 Extensible Markup Language 的缩写，指的是一种可扩展的标记语言。如果不知道 XML，你可能知道跟它类似的一种标记语言叫 HTML，它们都是用尖角标签把内容包裹起来。XML 大致长这个样子：

XML 也是一种常用的数据格式，比如上边这张图就是 RSS 的格式，本质上就是一个 XML 文件。再比如 iTunes 播客的数据格式、微信公众号的自动回复的数据格式、SEO 中向搜索引擎提交网址的数据格式，都是 XML。

JSON

这些年来前后端分离的产品越来越多，很多产品都有了 RESTful API 设计，这样一来，JSON 就越来越重要。

JSON 是 JavaScript Object Notation 的缩写，可以理解成用 Javascript 的对象来表示一个数据。JSON 看起来是这样的：

[{
    "car": "BMW",
    "meta": {
        "price": 40000,
        "color": "blue"
    }
  }, {
    "car": "Benz",
    "meta": {
        "price": 35000,
        "color": "black"
    }
  }, {
    "car": "三蹦子",
    "meta": {
        "price": 6000,
        "color": "green"
    }
}]

JSON 是如今无处不见的数据格式（常见于前后端分享的设计，特别是移动端）。相比 CSV，它的功能更强大，更容易扩展。