$course$/QCM de NSI/Première/Fichiers CSV
Format CSV (Comma Separated Values), séparateurs (virgule,
point-virgule, tabulation), lecture et écriture avec le
module csv, en-tête, encodage UTF-8, conversion des
types, manipulations courantes.]]>
Fichiers CSV — Q01 : Que signifie CSV ?
Que signifie l'acronyme CSV ?]]>
Le CSV est un standard très répandu pour les échanges
de données entre tableurs, bases de données et
programmes. Sa simplicité (texte brut, ligne par
ligne) en fait un format universel.]]>
1.0
0.0
0
true
true
abc
Comma Separated Values (valeurs séparées par des virgules)]]>
Bonne réponse : c'est un format texte simple
dans lequel chaque ligne est un enregistrement
et les champs sont séparés par un délimiteur
(souvent une virgule, parfois un point-virgule
ou une tabulation).]]>
Computer System Variables]]>
Erreur : aucun rapport. C'est un format de
fichier de données tabulaires.]]>
Compressed Storage Vector]]>
Erreur : CSV n'est pas un format compressé.]]>
Centered Spreadsheet View]]>
Erreur : ce n'est pas une vue de tableur, c'est
un format texte.]]>
Fichiers CSV — Q02 : Structure d'un CSV
Quelle est la structure de base d'un fichier CSV ?]]>
Exemple typique : la première ligne nom,age,ville
définit les colonnes ; les lignes suivantes
contiennent les valeurs correspondantes.]]>
1.0
0.0
0
true
true
abc
Un fichier XML structuré par balises]]>
Erreur : CSV n'a pas de balises, juste des
séparateurs.]]>
Un format JSON imbriqué]]>
Erreur : aucun rapport avec JSON. CSV est plat.]]>
Un fichier texte où chaque ligne est un enregistrement et chaque champ est séparé par un délimiteur]]>
Bonne réponse : la première ligne contient
souvent les noms des colonnes (en-tête), puis
chaque ligne suivante représente une entrée du
jeu de données.]]>
Un fichier binaire avec en-tête et indexation]]>
Erreur : CSV est un format texte, pas
binaire. Il s'ouvre avec n'importe quel éditeur
de texte.]]>
Fichiers CSV — Q03 : Séparateur en France
Pourquoi en France utilise-t-on souvent le point-virgule
; comme séparateur dans les fichiers CSV ?]]>
D'autres séparateurs sont possibles : tabulation
(TSV), barre verticale |, etc. Le module csv de
Python permet de spécifier le délimiteur via
delimiter=";".]]>
1.0
0.0
0
true
true
abc
Parce que la norme ISO l'exige]]>
Erreur : CSV n'est pas strictement normé. Le
choix du séparateur dépend des conventions
locales.]]>
Parce que les fichiers seraient sinon trop volumineux]]>
Erreur : aucun rapport avec la taille.]]>
Parce que la virgule est utilisée comme séparateur décimal en français (par exemple 3,14), ce qui crée un conflit]]>
Bonne réponse : 1,5;Paris est sans ambiguïté,
mais 1,5,Paris ne l'est pas (s'agit-il d'un
ou deux champs ?). Excel et LibreOffice en
version française utilisent donc ; par défaut.]]>
Parce que le point-virgule est plus rapide à taper]]>
Erreur : ce n'est pas une raison de saisie.]]>
Fichiers CSV — Q04 : Ligne d'en-tête
À quoi sert la première ligne d'un fichier CSV ?]]>
L'en-tête est une convention, pas une
obligation. Certains CSV n'en ont pas (par exemple
des exports machine sans description). Il faut alors
le savoir avant de lire le fichier.]]>
1.0
0.0
0
true
true
abc
Elle indique la taille du fichier]]>
La taille d'un fichier
se mesure en octets et
se lit dans le système
de fichiers, pas dans
son contenu. L'en-tête
d'un CSV donne les noms
des colonnes.]]>
Elle contient toujours les données du premier enregistrement]]>
Erreur : par convention, la première ligne
contient le plus souvent un en-tête, pas
des données.]]>
Elle est obligatoirement vide]]>
Erreur : au contraire, elle contient
généralement les noms de colonnes.]]>
Elle contient les noms des colonnes (en-tête)]]>
Bonne réponse : c'est l'usage le plus répandu.
Les programmes (et csv.DictReader) s'en
servent pour donner un nom à chaque champ.]]>
Fichiers CSV — Q05 : Extension de fichier
Quelle est l'extension habituelle d'un fichier CSV ?]]>
L'extension .csv est reconnue par Excel,
LibreOffice Calc, Google Sheets et la plupart des
langages de programmation, qui peuvent
automatiquement proposer un import.]]>
1.0
0.0
0
true
true
abc
.json]]>
Erreur : JSON est un autre format de données
(hiérarchique).]]>
.txt]]>
Erreur : techniquement possible (CSV est du
texte), mais l'extension conventionnelle est
différente.]]>
.csv]]>
Bonne réponse : c'est l'extension standard,
reconnue par les tableurs et les outils de
traitement de données.]]>
.xlsx]]>
Erreur : .xlsx est le format propriétaire
d'Excel (binaire compressé), pas CSV.]]>
Fichiers CSV — Q06 : Lecture sans le module csv
Sans utiliser le module csv, comment peut-on lire
un fichier CSV simple en Python ?]]>
Cette approche a des limites : elle ne gère pas les
champs entre guillemets, les sauts de ligne dans
les champs, ou les caractères d'échappement. Pour
cela, mieux vaut le module csv.]]>
1.0
0.0
0
true
true
abc
Avec os.read()]]>
Erreur : c'est une fonction bas niveau qui
retourne des octets bruts.]]>
Avec print('csv')]]>
Erreur : print affiche, ne lit pas.]]>
Avec open() puis .split(',') sur chaque ligne]]>
Bonne réponse : on ouvre le fichier en lecture
et on parcourt ligne par ligne, en séparant
chaque ligne par le délimiteur. Cela marche
pour les CSV simples mais échoue avec les
champs contenant le délimiteur.]]>
Avec import json et json.load()]]>
Erreur : json.load() lit du JSON, pas du CSV.]]>
Fichiers CSV — Q07 : Module standard
Quel module de la bibliothèque standard de Python
facilite la manipulation des fichiers CSV ?]]>
Le module csv fait partie de la bibliothèque
standard (livré avec Python). Aucune installation
n'est nécessaire.]]>
1.0
0.0
0
true
true
abc
csv]]>
Bonne réponse : import csv donne accès aux
fonctions csv.reader, csv.writer,
csv.DictReader, csv.DictWriter.]]>
pandas]]>
pandas est très utilisé pour les CSV mais
c'est une bibliothèque externe (pas standard).
Il faut l'installer.]]>
numpy]]>
numpy peut lire des CSV via genfromtxt,
mais ce n'est pas son rôle principal et c'est
également externe.]]>
xml.etree]]>
Erreur : ce module sert pour les fichiers XML.]]>
Fichiers CSV — Q08 : Encodage recommandé
Quel encodage est aujourd'hui recommandé pour les
fichiers CSV ?]]>
En Python, on précise l'encodage à l'ouverture :
open("data.csv", encoding="utf-8"). Si on omet
cet argument, Python utilise l'encodage par défaut
du système, ce qui peut poser problème entre
Windows et Linux.]]>
1.0
0.0
0
true
true
abc
ISO-8859-1 uniquement]]>
Encodage ancien (Latin-1), encore courant en
Europe mais limité à 256 caractères. À éviter
pour de nouveaux projets.]]>
Binaire compressé]]>
Erreur : un CSV est du texte, pas du binaire.]]>
UTF-8]]>
Bonne réponse : UTF-8 supporte tous les
caractères Unicode (français, chinois, emojis...).
C'est l'encodage standard moderne.]]>
ASCII pur]]>
Erreur : ASCII ne couvre pas les caractères
accentués (é, à, ç...), inutilisables en
français.]]>
Fichiers CSV — Q09 : Itération avec csv.reader
Que renvoie csv.reader(f) lorsqu'on l'utilise dans
une boucle for ligne in csv.reader(f): ?]]>
Penser à convertir les valeurs numériques avec
int() ou float() avant tout calcul. CSV est
texte : "17" + 1 ne fonctionnera pas.]]>
1.0
0.0
0
true
true
abc
Un dictionnaire {nom_colonne: valeur}]]>
Erreur : c'est ce que renvoie csv.DictReader,
pas csv.reader.]]>
Une chaîne de caractères pour chaque ligne]]>
Erreur : pour avoir une chaîne, il suffirait
de boucler directement sur le fichier f.]]>
Un tuple immuable]]>
Erreur : c'est une liste mutable.]]>
Une liste des champs de chaque ligne]]>
Bonne réponse : chaque itération produit une
liste comme ["Alice", "17", "Lyon"]. Tous les
éléments sont des chaînes (il faut convertir
si l'on veut des entiers).]]>
Fichiers CSV — Q10 : Écrire dans un CSV
Quelle fonction du module csv permet d'écrire
dans un fichier CSV ?]]>
Schéma typique :
with open("out.csv", "w", newline="", encoding="utf-8") as f:
w = csv.writer(f) ; w.writerow(["a", "b"]).]]>
1.0
0.0
0
true
true
abc
csv.save()]]>
Erreur : cette fonction n'existe pas.]]>
csv.put()]]>
Erreur : cette fonction n'existe pas.]]>
csv.writer()]]>
Bonne réponse : on l'utilise avec un fichier
ouvert en écriture ("w"), puis sa méthode
.writerow() ou .writerows() ajoute les
lignes.]]>
csv.write()]]>
Erreur : cette fonction n'existe pas.]]>
Fichiers CSV — Q11 : Différence reader / DictReader
Quelle est la différence entre csv.reader et
csv.DictReader ?]]>
DictReader est généralement préférable quand le
fichier a un en-tête : le code est plus auto-documenté
(ligne["age"] plutôt que ligne[2]).]]>
1.0
0.0
0
true
true
abc
DictReader lit plus vite]]>
Erreur : la performance n'est pas la
différence essentielle.]]>
reader n'existe pas en Python 3]]>
Erreur : il existe parfaitement.]]>
reader produit des listes, DictReader produit des dictionnaires indexés par les noms de colonnes (lus depuis l'en-tête)]]>
Bonne réponse : DictReader consomme la
première ligne comme en-tête et permet
ensuite d'écrire ligne["nom"] au lieu de
ligne[0]. Plus lisible et robuste si l'ordre
des colonnes change.]]>
DictReader ignore l'en-tête]]>
Erreur : c'est l'inverse, il utilise
l'en-tête pour nommer les colonnes.]]>
Fichiers CSV — Q12 : Conversion de types
Après lecture, on obtient ligne = ["Alice", "17"].
Comment obtenir un âge utilisable comme nombre ?]]>
Toujours convertir explicitement : int(),
float(), bool() selon le besoin. Penser aussi
au cas où la cellule est vide (chaîne ""), qui
provoquerait ValueError avec int().]]>
1.0
0.0
0
true
true
abc
age = int(ligne[1])]]>
Bonne réponse : int() convertit la chaîne
"17" en entier 17, utilisable dans des
calculs.]]>
age = list(ligne[1])]]>
Erreur : list("17") donne ['1', '7'], pas
un entier.]]>
age = ligne[1].number()]]>
Erreur : la méthode .number() n'existe pas
sur les chaînes.]]>
age = ligne[1]]]>
Erreur : age reste une chaîne. Faire
age + 1 lèverait TypeError.]]>
Fichiers CSV — Q13 : Spécifier le séparateur
Comment lire un CSV utilisant le point-virgule
comme séparateur avec le module csv ?]]>
Pour les fichiers exportés par Excel français, le
séparateur est ;. Pour les CSV anglo-saxons ou
Google Sheets, c'est ,. Pour TSV (tab-separated),
c'est '\t'.]]>
1.0
0.0
0
true
true
abc
csv.reader(f).set_separator(';')]]>
Erreur : cette méthode n'existe pas.]]>
csv.reader(f, delimiter=';')]]>
Bonne réponse : on précise le délimiteur via
l'argument nommé delimiter.]]>
csv.reader_semicolon(f)]]>
Erreur : cette fonction n'existe pas.]]>
csv.reader(f) (suffisant, le module détecte tout seul)]]>
Erreur : par défaut, le séparateur est la
virgule. Le module ne devine pas (il existe
csv.Sniffer mais ce n'est pas automatique).]]>
Fichiers CSV — Q14 : Champs contenant le séparateur
Comment représente-t-on un champ contenant le
caractère séparateur (par exemple une virgule) dans
un CSV à séparateur virgule ?]]>
Et pour un guillemet à l'intérieur d'un champ
« guillemeté » ? On le double : "il dit ""bonjour""".]]>
1.0
0.0
0
true
true
abc
On échappe la virgule avec un antislash \,]]>
Erreur : ce n'est pas la convention CSV
standard (qui utilise les guillemets).]]>
On supprime la virgule du champ]]>
Erreur : on perdrait l'information.]]>
On change le séparateur pour ce champ uniquement]]>
Erreur : un fichier CSV utilise un séparateur
unique pour tout le fichier.]]>
On entoure le champ de guillemets doubles : "Lyon, France"]]>
Bonne réponse : c'est la convention RFC 4180.
Le module csv gère cette syntaxe
automatiquement (lecture comme écriture).]]>
Fichiers CSV — Q15 : Trace de lecture
Le fichier eleves.csv contient :
nom;age
Alice;17
Bob;16
Que vaut ligne au premier passage de la boucle
for ligne in csv.DictReader(open("eleves.csv"), delimiter=";") ?]]>
Pour récupérer toutes les lignes d'un coup :
lignes = list(csv.DictReader(...)).]]>
1.0
0.0
0
true
true
abc
['Alice', '17']]]>
Erreur : ce serait le retour de csv.reader,
pas de csv.DictReader.]]>
['nom', 'age']]]>
Erreur : DictReader consomme la première
ligne comme en-tête, elle n'apparaît pas dans
la boucle.]]>
{'nom': 'Alice', 'age': '17'}]]>
Bonne réponse : DictReader saute l'en-tête
et associe chaque valeur à son nom de colonne.
Noter que '17' reste une chaîne.]]>
{'Alice': '17', 'Bob': '16'}]]>
Erreur : on ne reçoit qu'une ligne à chaque
itération, pas tout le fichier.]]>
Fichiers CSV — Q16 : Filtrer les données
Comment afficher seulement les élèves de plus de
16 ans à partir d'un CSV nom,age lu via
csv.DictReader ?]]>
Toujours convertir avant de comparer
numériquement. Pour des manipulations plus
complexes, pandas est plus pratique mais c'est
hors programme.]]>
1.0
0.0
0
true
true
abc
for ligne in lecteur:
print(ligne["nom"]) if ligne["age"] > 16]]>
Erreur : syntaxe Python invalide (le if
ternaire requiert un else) et problème
de type.]]>
lecteur.filter(age > 16)]]>
Erreur : la méthode .filter() n'existe pas
sur csv.DictReader. C'est une syntaxe d'un
autre langage (SQL ?).]]>
for ligne in lecteur:
if ligne["age"] > 16:
print(ligne["nom"])]]>
Erreur : ligne["age"] est une chaîne
("17"). En Python 3, comparer une chaîne et
un entier lève TypeError.]]>
for ligne in lecteur:
if int(ligne["age"]) > 16:
print(ligne["nom"])]]>
Bonne réponse : on convertit l'âge en entier
(sinon "17" > 16 est invalide en Python 3),
on filtre, on affiche le nom.]]>
Fichiers CSV — Q17 : Argument newline=''
Pourquoi écrit-on souvent
open("data.csv", "w", newline="", encoding="utf-8")
pour écrire un CSV ?]]>
Petit détail technique mais essentiel pour la
portabilité Linux/macOS/Windows. À ajouter
systématiquement quand on utilise csv.writer.]]>
1.0
0.0
0
true
true
abc
Pour ajouter une ligne d'en-tête automatiquement]]>
Erreur : newline="" n'a aucun effet sur
l'en-tête. Il faut écrire l'en-tête
explicitement.]]>
Pour rendre le fichier illisible par les humains]]>
Erreur : un CSV reste un fichier texte
parfaitement lisible.]]>
Pour éviter d'insérer des lignes vides entre chaque enregistrement sous Windows (problème classique de gestion des fins de ligne)]]>
Bonne réponse : sans newline="", Python
réécrit \n → \r\n sur Windows, et le
module csv ajoute lui-même un \r\n,
provoquant des doubles sauts. La solution
recommandée par la doc est newline="".]]>
Pour augmenter les performances]]>
Erreur : ce n'est pas une question de
performance.]]>
Fichiers CSV — Q18 : Valeurs manquantes
Dans un CSV avec nom,age,ville et la ligne
Alice,,Lyon, que vaut ligne["age"] après lecture
par csv.DictReader ?]]>
Donnée manquante : penser à filtrer ou utiliser
une valeur par défaut, par exemple
int(ligne["age"]) if ligne["age"] else None.]]>
1.0
0.0
0
true
true
abc
Le programme lève une exception]]>
Erreur : la lecture se passe sans erreur ;
c'est seulement la conversion ultérieure
(int("")) qui lèverait ValueError.]]>
0]]>
Erreur : le module ne fait aucune supposition.
Une absence n'est pas un zéro.]]>
None]]>
Erreur : csv.DictReader ne convertit pas
automatiquement les vides en None.]]>
'' (chaîne vide)]]>
Bonne réponse : un champ vide entre deux
séparateurs est lu comme une chaîne vide. Il
faut le tester explicitement avant toute
conversion : if ligne["age"] != "":.]]>
Fichiers CSV — Q19 : Export depuis tableur
Quelle situation correspond à un cas d'usage typique
du format CSV ?]]>
Force du CSV : universalité. Faiblesses : pas de
types (tout est texte), pas de hiérarchie, pas de
schéma standard (séparateur, encodage variables).]]>
1.0
0.0
0
true
true
abc
Échanger un tableau de notes entre Pronote, un tableur et un script Python]]>
Bonne réponse : c'est exactement le rôle du
CSV, un format pivot universel pour les
données tabulaires, lisible par tous les
outils.]]>
Stocker une vidéo HD]]>
Erreur : CSV est un format texte, inadapté à
la vidéo (binaire compressé).]]>
Construire une page web interactive]]>
Erreur : c'est le rôle du HTML/CSS/JS.]]>
Programmer un microcontrôleur]]>
Erreur : on programme en C, Python, etc., pas
en CSV.]]>
Fichiers CSV — Q20 : CSV vs JSON
Pour stocker une liste plate de personnes
(nom, âge, ville), CSV ou JSON ?]]>
Règle pratique : plat et tabulaire → CSV ;
hiérarchique → JSON ; gros volumes ou
requêtes complexes → SGBD.]]>
1.0
0.0
0
true
true
abc
JSON est obligatoire dès qu'on programme]]>
Erreur : aucune obligation. Chaque format a
ses cas d'usage.]]>
CSV est le plus adapté car les données sont tabulaires et plates]]>
Bonne réponse : pour des données strictement
tabulaires, CSV est plus compact et plus
rapide à parser. JSON brille pour les
structures hiérarchiques (données imbriquées,
listes de listes).]]>
Aucun, il faut une base de données]]>
Exagéré : pour quelques centaines de lignes,
un fichier CSV est largement suffisant.]]>
XML est toujours le bon choix]]>
Erreur : XML est verbeux pour des données
plates ; on lui préfère CSV ou JSON.]]>
Fichiers CSV — Q21 : Bug d'encodage
Un élève lit un CSV créé sous Windows et obtient
Café au lieu de Café. Quelle est la cause la
plus probable ?]]>
Indice révélateur : é = é est la signature
classique d'une mauvaise interprétation d'UTF-8
en Latin-1. Il existe d'autres signatures
(’ au lieu de ’) qui pointent vers le même
problème.]]>
1.0
0.0
0
true
true
abc
Python est trop ancien pour gérer l'UTF-8]]>
Erreur : Python 3 gère parfaitement UTF-8
depuis sa sortie.]]>
Le fichier est corrompu]]>
Erreur : le contenu est correct, c'est
l'interprétation de l'encodage qui pose
problème.]]>
Le fichier est encodé en UTF-8 mais lu comme du Latin-1 (ISO-8859-1)]]>
Bonne réponse : é en UTF-8 = 0xC3 0xA9. Lu
comme Latin-1, ces deux octets donnent é.
Solution : préciser encoding="utf-8" à
l'ouverture.]]>
La connexion internet est instable]]>
Erreur : aucun rapport, on lit un fichier
local.]]>
Fichiers CSV — Q22 : Parsing à la main
Pourquoi ligne.split(',') est-il insuffisant
pour parser correctement la ligne CSV
"Doe, John",42,"Lyon, France" ?]]>
Leçon : pour tout CSV non trivial (guillemets,
sauts de ligne dans les champs, échappements),
utiliser le module csv. Le « parsing manuel »
n'est correct que pour des cas très simples et
maîtrisés.]]>
1.0
0.0
0
true
true
abc
split ne fonctionne que sur des fichiers UTF-8]]>
Erreur : split est indépendant de l'encodage.]]>
split modifie le fichier d'origine]]>
Erreur : split ne modifie rien, il renvoie
une nouvelle liste.]]>
split ne respecte pas les guillemets et coupe à chaque virgule, donnant 5 champs au lieu de 3]]>
Bonne réponse : split(',') produit ['\"Doe',
' John\"', '42', '\"Lyon', ' France\"']. Le
module csv gère correctement ce cas en
regroupant les champs entourés de guillemets.]]>
split est trop lent]]>
Erreur : la performance n'est pas le
problème, la correction l'est.]]>
Fichiers CSV — Q23 : Calcul d'une moyenne
Le fichier notes.csv contient une colonne note
(entête en première ligne) avec des nombres entiers.
Quel code calcule correctement la moyenne ?]]>
Trois étapes systématiques : ouvrir, convertir
les types, calculer. Toujours penser à la
conversion en numérique avant tout calcul.]]>
1.0
0.0
0
true
true
abc
moyenne = csv.mean("notes.csv", "note")]]>
Erreur : la fonction csv.mean n'existe pas.
Le module csv se limite à la lecture/écriture.]]>
with open("notes.csv") as f:
moyenne = sum(csv.reader(f)) / 2]]>
Erreur : sum ne sait pas additionner des
listes de chaînes ; et la division par 2 est
arbitraire.]]>
with open("notes.csv") as f:
total = 0
for ligne in csv.DictReader(f):
total += ligne["note"]
moyenne = total / len(lignes)]]>
Erreur : ligne["note"] est une chaîne.
total += "12" lève TypeError. De plus
lignes n'est pas défini.]]>
with open("notes.csv") as f:
notes = [int(ligne["note"]) for ligne in csv.DictReader(f)]
moyenne = sum(notes) / len(notes)]]>
Bonne réponse : on construit une liste
d'entiers (conversion explicite avec int),
puis sum / len. Code concis et correct.]]>
Fichiers CSV — Q24 : Écrire avec en-tête
Quel code écrit correctement un CSV avec en-tête à
partir d'une liste de tuples
donnees = [("Alice", 17), ("Bob", 16)] ?]]>
Bonne pratique systématique : with open(...,
newline="", encoding="utf-8") + csv.writer +
writerow (en-tête) + writerows (données).]]>
1.0
0.0
0
true
true
abc
csv.write("out.csv", donnees)]]>
Erreur : la fonction csv.write n'existe
pas. Il faut un objet writer.]]>
with open("out.csv", "w") as f:
f.write(donnees)]]>
Erreur : write attend une chaîne, pas
une liste de tuples.]]>
with open("out.csv", "w") as f:
for nom, age in donnees:
f.write(nom + "," + age + "\n")]]>
Erreur : age est un entier, on ne peut pas
le concaténer à une chaîne avec + (TypeError).
Et l'en-tête est absent. Et newline=""
manquant pour un usage portable.]]>
with open("out.csv", "w", newline="", encoding="utf-8") as f:
w = csv.writer(f)
w.writerow(["nom", "age"])
w.writerows(donnees)]]>
Bonne réponse : writerow pour l'en-tête,
writerows (avec s) pour la liste de tuples
; newline="" pour la portabilité ;
encoding="utf-8" pour les accents. Code
idiomatique et robuste.]]>
Fichiers CSV — Q25 : Limite du CSV
Parmi les affirmations suivantes sur le format CSV,
laquelle est fausse ?]]>
Limites du CSV : pas de typage, pas de hiérarchie,
séparateur variable, encodage variable. Pour des
données complexes ou critiques, on lui préfère
JSON, Parquet, ou une vraie base de données.]]>
1.0
0.0
0
true
true
abc
CSV impose une typage explicite des colonnes (entier, flottant, date)]]>
Faux (donc bonne réponse) : tout est traité
comme du texte dans un CSV. Aucun type
n'est conservé. C'est au programme de lecture
de convertir explicitement.]]>
CSV ne gère pas nativement les structures hiérarchiques (listes imbriquées, dictionnaires)]]>
Vrai : c'est sa principale limite par rapport
à JSON ou XML.]]>
CSV est un format texte, lisible avec n'importe quel éditeur]]>
Vrai : c'est l'un de ses grands avantages.]]>
Le séparateur n'est pas standardisé universellement (virgule, point-virgule, tabulation...)]]>
Vrai : c'est une faiblesse historique du
format. La RFC 4180 propose la virgule mais
n'est pas suivie partout.]]>