Definire un profilo per i CSV

[ioggstream]

Mi aspetto

• definire un profilo CSV

Note

• CSV è descritto da un RFC4180 informativo
• il resto sono raccomandazioni del w3c, eg. https://www.w3.org/TR/tabular-data-primer/#dialects
• la Spagna utilizza un approccio simile (vedi pg. 11) https://datos.gob.es/sites/default/files/doc/file/guia_csv_vf.pdf?fbclid=IwAR25AutHcDrySsCT9b12IgIps2y9CjTS_yaa4xfYl2uIaDi0ZCnko2puu4A --> pagina 11

[ioggstream]

Possiamo stabilire che chi processa i CSV DEVE supportare questo profilo:

• tutti i campi vanno quotati con "
• il separatore è ,
• i commenti iniziano con # e possono essere saltati
• la riga con l'header è obbligatoria
• i file devono essere encodati in UTF-8

In termini di https://www.w3.org/TR/tabular-data-primer/#well-known-location il descrittore potrebbe essere

@context: "http://www.w3.org/ns/csvw"
dialect:
  delimiter: ","
  quoteChar: '"'
  commentPrefix: "#"
  header: true

@ronytw @giorgialodi @mfortini

[ronytw]

Mi sembra che la logica del descrittore sia quella di rendere flessibili i parametri di cui parli, poiché sono dichiarati nel descrittore e quindi chi consuma il file sa cosa trova nel file.
Mi viene da dire che se dici che chi sottomette CSV DEVE seguire quelle linee guida, non hai bisogno del descrittore. Intendo bene?

[ronytw]

Secondo me un approccio potrebbe essere:

• Queste sono le assunzioni che facciamo sul file (tutti i campi tra doppi apici, etc. etc.), tra cui l'idea che la prima colonna contenga l'identificatore in mancanza di altre informazioni
• Supportiamo i descrittori (che restano non obbligatori), per cui si possono ridefinire i parametri di cui sopra, entro certi limiti (e si specificano i limiti). Tra le altre cose, si può indicare qual è la chiave.

[ioggstream]

• Queste sono le assunzioni che facciamo sul file (tutti i campi tra doppi apici, etc. etc.), tra cui l'idea che la prima colonna contenga l'identificatore in mancanza di altre informazioni

Ok. L'idea era anche quella di descriverli usando il formalismo w3c. Il goal è che anche chi "legge" i csv dovrà processarli di conseguenza.

• Supportiamo i descrittori (che restano non obbligatori), per cui si possono ridefinire i parametri di cui sopra, entro certi limiti (e si specificano i limiti). Tra le altre cose, si può indicare qual è la chiave.

Per MVP d'accordo descrittori non obbligatori. In futuro ci servirà un modo per mappare i campi su jsonld. Per le codelist è facile. Per tassonomie, pur avendo l'identificativo, non saprei come fare... va letto bene il doc del w3c.

[ioggstream]

Dopo una chiacchierata con uno degli editor del profilo CSVW l'idea più semplice è quella di usare frictionless data per la validazione sintattica, ed usare REST API Linked Data keywords per aggiungere informazioni semantiche.

cc: @mfortini @giorgialodi