Standardizované formáty dat

Standardizované formáty dat umožňují výměnu, ukládání a zpracování informací mezi různými systémy a aplikacemi. Jejich cílem je zajistit srozumitelnou strukturu dat, dlouhodobou čitelnost a interoperabilitu.

Mezi nejčastěji používané formáty patří:

Formát	Plný název	Stručný popis	Typ struktury
XML	eXtensible Markup Language	Značkovací jazyk pro reprezentaci strukturovaných dat; hierarchická stromová struktura	Strukturovaná, hierarchická
JSON	JavaScript Object Notation	Textový formát pro výměnu strukturovaných dat; využívá objektovou/klíč–hodnota reprezentaci	Strukturovaná (objektová)
CSV	Comma-Separated Values	Jednoduchý tabulkový formát, kde jsou hodnoty odděleny čárkou (případně jiným oddělovačem)	Tabulková
TOON*	Token-Oriented Object Notation	Úsporný formát navržený pro efektivní výměnu dat mezi velkými jazykovými modely	Nový, experimentální

• Formát TOON není dosud mezinárodně standardizovaný; je uváděn jako příklad nově vznikajícího formátu vhodného pro úsporný přenos dat mezi LLM (spotřebuje málo tokenú).

Ukázky formátů

Zapíšeme v různém kódování jednoduchý seznam uživatelů: Každý uživatel má tři vlastnosti:

• <id> – jedinečné číslo uživatele
• <name> – jméno uživatele
• <role> – role uživatele v systému (například „admin“ nebo „user“)

Kód obsahuje dva uživatele"

• Uživatele s ID 1, který se jmenuje Anna a má roli admin.
• Uživatele s ID 2, který se jmenuje Dana a má roli user.

XML kód se seznamem uživatelů

<users>
    <user>
        <id>1</id>
        <name>Anna</name>
        <role>admin</role>
    </user>
    <user>
        <id>2</id>
        <name>Dana</name>
        <role>user</role>
    </user>
</users>

JSON kód pro stejný seznam

{
  "users": [
    { "id": 1, "name": "Anna", "role": "admin" },
    { "id": 2, "name": "Dana", "role": "user" }
  ]
}

Totéž v "tabulkovém" formátu CSV

id,name,role
1,Anna,admin
2,Dana,user

A nakonec formát TOON

users[2]{id,name,role}:
  1,Anna,admin
  2,Dana,user

V tomto jednoduchém příkladu vypadá TOON jako CSV. Rozdíl je v tom, že CSV je vhodné jen pro plochou strukturu (tabulky), kdežto TOON zachovává celou datovou strukturu JSONu a umožňuje pracovat se zanořenými objekty. Počet položek je u TOON obsažen v hlavičce, takže lze validovat, zda se načetl plný počet řádků. TOON je nadmnožinou JSONu..