CSV文件及其使用(zz)

 CSV文件及其使用

CSV文件及其使用
    在集图的过程中，你肯定会常常听到CSV文件这个词。那么所谓CSV文件到底是个什么东西呢？ 它有什么用处呢？又要如何使用呢？认真读完下面的文字，相信你对CSV会有一个初步的了解。
    所谓“CSV”，是Comma Separated Value（逗号分隔值）的英文缩写，通常都是纯文本文件。 下面是一个实际CSV文件中的部分内容，让大家对他有一个感性的认识。我们选的是Sjojo_Rescan 的CSV文件(Sjojo是ASW-亚洲扫图风的成员之一)。
sj_mino1001.jpg,715282,4FB55FE8,
sj_mino1002.jpg,471289,93203C5C,
sj_mino1003.jpg,451929,C4E80467,   
通常CSV文件开头是不留空的，以行为单位，每行中记录一张图片的了多项数据，每项数据用逗号 来分隔（标准英文逗号）。一般说来集图用的.CSV文件的格式是这样的：
文件名,文件大小(以字节为单位),CRC校验值,注释(可省略)
sj_mino1001.jpg,715282,4FB55FE8,
     |             |       |        |
   文件名      文件大小  CRC值   注释(已省略)     
如果你的机器上装了Microsoft Excel的话，.csv文件默认是被Excel打开的。需要注意的是，当你 双击一个.CSV文件，Excel打开它以后即使不做任何的修改，在关闭的时候Excel往往会提示是否要 改成正确的文件格式，这个时候千万记得要选择“否”。因为Excel认为.CSV 文件中的数字是要用 科学记数法来表示的，而我们要的.CSV文件中的数字是普通的。如果你选择了“是”的话，Excel
会把CSV文件中所有的数字用科学计数来表示（2.54932E+5这种形式），这个文件就没法用了。 所 以如果你的CSV文件绝大部分都是用在集图上的话，建议把.CSV的默认打开方式改成任意一个文本 编辑器，系统自带的记事本就是个不错的选择。
    好，让我们回到CSV文件的格式中来。见上面，从左到右 sj_mino1001.jpg是文件名，715282 是以字节表示的文件大小。当文件名中包含逗号的时候，由于逗号在CSV文件中特殊的作用，为了 不至于产生歧义，需要用引号把文件名括起来。比如 "The Art, Fantasy.jpg",384211,...,.... 接着是一个8位的16进制数字 4FB55FE8，这是文件的CRC32校验值。整个CSV文件的精髓都在这里。
让我们举个小例子来说明它的意义：Sjojo发布了一张图sj_mino1001.jpg，假设你是从朋友手中拿 到这张图的，那么你肯定常常会有这样的疑问，这张图在传播的过程中是否被改动过呢？是否无意 中遭到了损坏呢？CRC就是为解决这个问题而存在的。一般情况下，扫图家每发布了一套图，就同 时放出一个CSV文件（这种CSV通常叫做Official CSV，也就是官方发布的CSV的意思），这个CSV中 的CRC值是用专门的软件通过CRC32算法（常用的CRC算法还有CRC16）对文件运算后生成的一个值， 这个值可用作文件真身的标志。在绝大多数情况下，如果这个文件在传播过程中无论是大小还是内 容被改动过。那么，用同样的CRC32算法再对文件进行运算后产生的CRC校验值就完全不一样了。如 果得出的CRC值是一样的，则完全有理由认为这个文件是真身，没有被改动过。还有些时候，收来 的图片文件名被改动过了，那么你怎么知道谁是谁呢？这个时候CRC值又起作用了：用专用的软件对图片处理后，可以得到文件的大小和CRC值，然后根据大小和CRC值在CSV中寻找是否有适合的图片。如果有，就会把图片的名字改成CSV里的。举个例子，你收到了一张图片，名字是pic0001.jpg，同时你知道这张图片是Sjojo_Rescan这个集子里面的，但是不知道具体是哪一张。用软件得到它的大小和CRC分别是715282和4FB55FE8，那么软件在CSV文件里找到一行sj_mino1001.jpg,715282,4FB55FE8,大小和CRC都符合，软件就认为这张图片的原名是sj_mino1001.jpg，接着自动把文件的名字改成sj_mino1001.jpg。改动的不是CSV文件而是图片的文件名。接下来的是注释和说明，可以省略掉。需要注意的是注释的后面是没有逗号的，如果要省略注释的话，一定要在CRC值的后面保留一个逗号，否则软件会把CRC值认为是注释的。
    相信看完上面的一大堆东西后，你不但对CSV文件有了个大概地了解，对它的用途应该也有些模糊的概念了吧。我们收集图片往往是通过各种各样不同的渠道，比如从网站上，IRC上，抑或干脆是朋友送的光盘。在整个的传播过程中，图片有可能遭受到各种各样的非人待遇。尤其是从网站上收来的图片。有些时候仅仅是简单的改了一下名字，更多的时候由于很多PLMM站空间有限，常把图片的尺寸缩小，或者把图片文件缩小。一张1356x588的图被改成了678x294，或者一个四五百K的文件被缩成了几十K都是常有的事。比较可恶的是，许多网站把原来扫图家的Logo去掉，打上自己网站的Logo。还有些许搞笑派的玩家，把各种各样的图片移花接木，改头换面。这些对于一般的看
图娱乐无伤大雅，但是对于集图来说，收到这样的图片是无法容忍的。如何验明图片的正身，这是扫图家和集图者共同面对的问题。CSV文件就是为了解决这样的问题而出现的。CSV文件最早用在简单的数据库里，由于其格式简单，并具备很强的开放性，所以起初被扫图家用作自己图集的标记。 如上面所说的，CSV文件是个纯文本文件，每一行表示一张图片的许多属性。你在收一套图集时，只要能找到它的CSV文件，用专用的软件校验后，你对该图集的状况就可以了如指掌。比如这套图一共有多少张，你收到了多少张，哪些是原图，那些是可能被改动过或者损坏了的图片......我们可以把.CSV文件看作一份索引，你不但可以“按图索骥”，还可以检查自己收来的“马子”血统是 否纯正。
    CSV文件的来源通常有两种：一种是扫图家自己发布的CSV，一般称作Official CSV。也就是官方发布的CSV，通常说来是有相当的权威性的。比较特殊的是亚洲的许多扫图家，除了公开发布的图以外，还有一些私下发布的Special图，或者一些专门送给朋友的图。加上扫图家不愿意或者不会做CSV，所以他们图集的CSV往往由集图界中一些资深前辈出头来做。在这种情况下，往往会出现一个图集有好几个版本的CSV文件，并且每个版本之间都有不小的差别。此时的CSV不仅是验明真身的依据，同时也给了集图者一个希望：即使缺的再多，即使用这个版本csv收全的人再少，一定会有一个人是全的，就是此CSV的作者！集图界前辈LiQing有一句名言：“有CSV就表示一定有图！” 自然而然的，民间现了一些权威的做CSV的玩家。比如早期的EDZONE，现在依然活跃的OSun,shum,vsam,TE,Paul... 还有偶们COC图盟的WQC  
    好了，说了那么多，大家可能会问，CSV文件那么好用，到底要怎么用呢？不会要自己手工来检测吧？呵呵，还记得上文中一再出现的“软件”这个字眼吗？有专用的软件可以帮助我们完成这项工作。常用的软件有The!Checker和The Hunter。目前这两个软件都有汉化的简体中文版，汉化人是来自北方的snowtank（感谢snowtank  ）