Bersihkan Ekspor CSV yang Berantakan di Browser Anda

File Anda dan privasi Anda

Spreadsheet Anda tidak pernah diunggah. File tersebut dibaca oleh browser, diurai oleh Web Bekerja di perangkat Anda sendiri dan ditulis kembali oleh mekanisme pengunduhan browser. Itu kode alat tidak membuat permintaan membawa file, teks yang ditempel, atau keluaran yang dihasilkan. Terungkap permintaan skrip analitik terpisah dan dijelaskan dalam Kebijakan Privasi situs.

Apa yang dilakukan alat ini

Perbaiki ekspor spreadsheet yang tidak dapat dibuka dengan bersih: pembatas malah terdeteksi dari yang diasumsikan, tanda urutan byte UTF-8 dihapus, baris yang jumlah selnya tidak sesuai dengan header dilaporkan berdasarkan nomor, dan tabel ditulis kembali sebagai RFC 4180 CSV yang bersih.

Pembersihan bekerja pada struktur file, bukan pada arti datanya. Alat ini mendeteksi karakter mana yang memisahkan bidang, menghapus tanda urutan byte UTF-8 di depannya, berbunyi dikutip bidang yang berisi pembatas atau pemisah baris, dan memberi nama nomor baris setiap baris yang jumlah selnya tidak sesuai dengan header. Anda kemudian dapat memangkas spasi, menciutkan proses spasi, hapus baris kosong dan hapus duplikat, sebelum menulis kembali tabel dengan RFC 4180 mengutip. Mengganti nama dan menyusun ulang kolom adalah pekerjaan terpisah dan ada di toolkit indeks, ditautkan di bawah.

Bagaimana cara menggunakannya

1. Pilih Pilih file CSV atau JSON dan pilih ekspor yang ingin Anda perbaiki, hingga 50 MB. Menempelkan teks juga berfungsi.
2. Biarkan pembatas pada Deteksi otomatis; nilai yang terdeteksi ditulis kembali ke kontrol. Jika pratinjau memperlihatkan satu kolom, atur dengan tangan.
3. Baca ringkasan baris dan kolom serta peringatannya, masing-masing memberi nama nomor baris sebagai teks editor menghitungnya.
4. Terapkan Pangkas spasi, Ciutkan spasi, Hapus baris kosong, dan Hapus baris duplikat urutan apa pun yang sesuai dengan file tersebut, dan Batalkan apa pun yang tidak Anda inginkan.
5. Pilih opsi ekspor, lalu pilih Unduh CSV dan Hapus data saat Anda melakukannya selesai.

Contoh kasus penggunaan

• Ekspor dari perangkat lunak Eropa yang dipisahkan titik koma dan digabung menjadi satu kolom di tempat lain.
• Unduhan yang nama header pertamanya mengambil tanda urutan byte yang tidak terlihat, jadi carilah di atasnya tidak pernah cocok.
• Sebuah file yang diedit dengan tangan rusak, di mana satu baris mendapat koma dan setiap kolom setelahnya bergeser.

Masukan dan keluaran yang didukung

Menerima

• CSV, TSV atau teks biasa dipisahkan dengan koma, titik koma, tab atau pipa, maksimal 50 MB
• JSON berisi array objek, yang dibaca kembali ke dalam tabel

Menghasilkan

• CSV, UTF-8, CRLF akhir baris, dikutip minimal, diberi nama dengan tambahan -cleaned

Apa yang tidak bisa dilakukan alat ini

• Deteksi hanya mempertimbangkan koma, titik koma, tab, dan pipa, serta memberi skor pada sampel sepuluh baris; jika tidak ada kandidat yang menghasilkan setidaknya dua kolom sehingga dikembalikan ke koma.
• Baris pertama selalu menjadi header, jadi file yang dimulai langsung menjadi data akan kehilangan miliknya catatan pertama ke baris header.
• Baris yang tidak rata dilaporkan, tidak pernah diperbaiki: baris pendek diisi dengan blanko, dan baris panjang baris menjaga sel tambahannya melewati kolom yang diberi nama terakhir.
• Hanya tanda urutan byte UTF-8 yang dipahami. File disimpan sebagai Windows-1252 atau Shift-JIS dibaca sebagai UTF-8 dan menampilkan karakter pengganti.
• Kutipan ganda yang tidak ditutup dilaporkan terhadap baris yang membukanya, dan semuanya setelah dibaca sebagai satu bidang.

Kesalahan umum

• Menghapus baris duplikat sebelum pemangkasan: dua baris hanya berbeda spasi tambahannya bukan duplikat, jadi keduanya bertahan.
• Menulis UTF-8 BOM ke dalam file yang memasukkan skrip atau impor database. Tandanya bergabung dengan nama tajuk pertama, dan pencarian di kolom itu tidak cocok dengan apa pun.
• Mematikan opsi formula-injection-safe pada data yang berasal dari formulir. Itu pengunduhan berhasil, dan payload berjalan saat file dibuka di spreadsheet.
• Mengabaikan peringatan baris tidak rata karena pratinjau terlihat benar: hanya 100 baris pertama ditampilkan, dan kolom yang digeser biasanya dimulai di bawahnya.

Catatan teknis

Parsing adalah mesin status RFC 4180 yang ditulis tangan, jadi pembatas dikutip, baris baru di dalamnya bidang yang dikutip, tanda kutip ganda sebagai pelarian dan CRLF, akhiran LF atau lone-CR ditangani oleh konstruksi. Ini berjalan di Web Worker, jadi ekspor besar tidak membekukan halaman. Deteksi pembatas memilah sampel sepuluh baris dengan masing-masing kandidat dan memberi skor berdasarkan kolom hitungan ditimbang berdasarkan seberapa persegi hasilnya, jadi koma di dalam kolom yang dikutip tidak bisa mengalahkan titik koma yang sebenarnya.

Pertanyaan yang sering diajukan

Apakah spreadsheet saya diunggah di mana saja?

Tidak. Tidak ada titik akhir pengunggahan: file dibaca, diurai di Web Worker, dan ditulis keluar lagi di perangkat Anda, dan kode alat tidak meminta untuk membawa file, ditempelkan teks atau keluaran yang dihasilkan. Permintaan skrip analitik yang diungkapkan bersifat terpisah dan terpisah dijelaskan dalam Kebijakan Privasi situs.

Mengapa file saya dibuka sebagai satu kolom?

Pembatasnya salah. Deteksi kembali ke koma ketika tidak ada kandidat yang membagi sampel menjadi dua kolom atau lebih. Atur dengan tangan: titik koma untuk ekspor Eropa, tab untuk file yang benar-benar TSV.

Apa yang berubah dari opsi formula aman untuk injeksi?

Ini memberi awalan apostrof pada setiap sel yang dimulai dengan =, +, -, @, tab, atau gerbong kembali, jadi spreadsheet memperlakukannya sebagai teks dan bukan rumus. Ini mengubah data Anda: sel yang Anda maksudkan sebagai rumus kerja menjadi teks literal. Nilai yang diurai sebagai nomor biasa dikecualikan, jadi -42 tidak tersentuh.