Chuyển đổi HTML sang CSV

CSV (Comma-Separated Values — Giá trị phân cách bằng dấu phẩy) là định dạng văn bản thuần túy dùng để lưu trữ dữ liệu dạng bảng, trong đó mỗi dòng đại diện cho một hàng và các trường trong hàng được phân cách bằng dấu phẩy. Định dạng này bắt nguồn từ máy tính lớn IBM vào đầu những năm 1970 để trao đổi dữ liệu giữa các chương trình và kể từ đó đã trở thành định dạng chung nhất cho việc trao đổi dữ liệu có cấu trúc. Mặc dù trông đơn giản, CSV có những điểm phức tạp tiềm ẩn: các trường chứa dấu phẩy, ký tự xuống dòng hoặc dấu nháy kép phải được đặt trong dấu nháy kép, và các dấu nháy kép nhúng sẽ được thoát bằng cách nhân đôi. RFC 4180, công bố năm 2005, đã chuẩn hóa các quy ước này, nhưng các triển khai CSV vẫn khác nhau đáng kể giữa các phần mềm, với sự khác biệt về ký tự phân cách (dấu chấm phẩy ở nhiều vùng châu Âu), ký tự xuống dòng, mã hóa ký tự và quy tắc dấu nháy. Một ưu điểm là tính phổ quát tuyệt đối — mọi ứng dụng bảng tính, hệ thống cơ sở dữ liệu, ngôn ngữ lập trình và công cụ phân tích dữ liệu đều có thể đọc và ghi CSV, khiến nó trở thành định dạng an toàn nhất để trao đổi dữ liệu giữa các hệ thống không tương thích. Bản chất văn bản thuần túy là một thế mạnh cốt lõi khác: các tệp CSV có thể mở bằng bất kỳ trình soạn thảo văn bản nào, xử lý bằng các công cụ dòng lệnh như awk và sed, quản lý phiên bản với Git, và đọc từng dòng mà không cần tải toàn bộ tập dữ liệu vào bộ nhớ. CSV vẫn là định dạng xuất mặc định cho cơ sở dữ liệu, nền tảng phân tích web, thiết bị khoa học và cổng dữ liệu mở của chính phủ trên toàn thế giới.