数据交换格式三代：从 CSV 到 XML 再到 JSON
数据在不同系统之间流动，必须有统一的“语言”。这就是数据交换格式。从早期的CSV，到企业级的XML，再到互联网时代的JSON，每一代格式都在解决当时最典型的矛盾。本文按时间线讲清楚三代格式的特点、适用场景和选型建议。
一、CSV：简单但脆弱的表格
CSV（Comma-Separated Values）诞生于上世纪70年代，是最简单的数据交换格式。它把数据按行排列，每行字段用逗号分隔，纯文本即可打开。
优点
- 极简：任何人用记事本都能看懂；
- 通用：Excel、数据库、编程语言都原生支持；
- 体积小：没有标签、没有冗余结构。
缺点
- 无结构：只能表达二维表，嵌套关系很难处理；
- 无类型：所有数据都是字符串，数字和日期容易混淆；
- 编码混乱：中文环境下常出现GBK、UTF-8乱码问题；
- 分隔符冲突：如果字段内容包含逗号，必须用引号包裹，处理起来容易出错。
适用场景：简单报表导出、数据批量导入、Excel互操作、轻量级数据分析。
二、XML：结构化但沉重的时代
1990年代末，XML（Extensible Markup Language）成为企业级数据交换的主流。它用标签描述数据结构，既能表达层级关系，又能通过DTD或Schema做校验。
优点
- 结构化强：可以表达复杂的嵌套关系；
- 自描述：标签本身能说明数据含义；
- 标准化程度高：SOAP、UBL、OFX等大量行业标准基于XML；
- 可校验：通过Schema约束字段类型和必填项。
缺点
- 冗余大：每个字段都要开始标签和结束标签，体积比CSV大很多；
- 解析慢：DOM解析需要把整个文档加载进内存；
- 可读性差：多层嵌套后，人类阅读困难；
- 学习成本高：XPath、XSLT、Schema等技术栈较重。
适用场景：企业级应用集成、金融报文、政府数据交换、需要严格schema约束的系统。
三、JSON：轻量、可读、互联网主流
JSON（JavaScript Object Notation）从2000年代初开始流行，到2010年代成为Web API的事实标准。它介于CSV和XML之间，既有一定的结构表达能力，又比XML轻量。
优点
- 轻量：比XML体积小30%-50%以上；
- 可读性好：键值对结构，程序员和业务人员都容易理解；
- 解析快：现代编程语言都有原生JSON解析器；
- 与Web天然契合：RESTful API、前后端交互几乎都使用JSON。
缺点
- 无内置Schema：字段类型、必填项需要额外约定；
- 不支持注释：配置文件中不方便写说明；
- 数据类型有限：日期、二进制数据需要特殊处理；
- 对复杂层级支持不如XML直观。
适用场景：Web API、移动应用、微服务通信、前后端数据交互、NoSQL数据库。
四、三代格式对比
| 维度 | CSV | XML | JSON |
|---|---|---|---|
| 结构能力 | 弱 | 强 | 中 |
| 可读性 | 高（简单数据） | 低 | 高 |
| 体积 | 最小 | 大 | 中 |
| 解析性能 | 快 | 较慢 | 快 |
| Schema支持 | 无 | 强 | 弱 |
| 适用场景 | 表格数据 | 企业集成/金融 | Web/移动/微服务 |
三代格式不是谁取代谁，而是各有擅长。选错格式，会导致集成困难、性能下降、维护成本上升。
五、下一代：二进制格式与列式存储
在大数据和高性能场景下，JSON也开始显得不够高效。于是出现了一批新一代格式：
- Parquet / ORC：列式存储格式，适合数据湖、数据仓库批量分析；
- Avro / Protobuf：二进制序列化格式，体积小、解析快，适合高吞吐RPC；
- MessagePack：比JSON更紧凑的二进制JSON变体。
这些格式的共同特点是：机器优先、压缩率高、适合海量数据。但在人类可读性和调试便利性上不如JSON。
六、企业选型建议
企业在选择数据交换格式时，可以按以下原则判断：
- 人要读：优先CSV或JSON；
- 系统要校验：优先XML + Schema；
- Web/API：优先JSON；
- 大数据批处理：优先Parquet/ORC；
- 高并发微服务：优先Protobuf/Avro；
- 遗留系统集成：按对方要求，可能是XML或EDI。
关于我们
本文由 北京海天雷鹰科技有限公司 整理发布。
公司成立于 2001 年，专注档案整理与数字化、试题结构化录入、期刊校对、数据标注等一站式数据服务 20 余年。针对标准文档形近字符识别、复杂公式排版、多层级档案规整、题库结构化加工等行业难点形成成熟作业方案，适配科研院所、教育机构、企事业单位的批量数据处理需求。
累计完成数十万份专业文档数字化、题库结构化加工项目，服务过多家科研机构、院校及企事业单位。核心团队 20 年以上行业经验，建立多层级质检审核机制，数据成果准确率稳定可控；持有 ISO 9001/27001 等体系认证、多项自主软件著作权、企业信用 AAA 等级。
如果您有档案数字化、试题录入、数据标注、EPUB电子书等方面的需求，欢迎联系我们：
- 电话：010-84907553
- 邮箱：736232918@qq.com
- 官网：www.beijingocr.com
本文为原创科普内容，如需转载请注明出处。关注我们，持续分享数据服务行业的实战经验与行业洞察。