Cara membersihkan fail CSV yang tidak kemas

Mengapa eksport tiba rosak

CSV ialah keluarga konvensyen dan bukannya format. Dua aplikasi boleh menuntut sokongan CSV dan tidak bersetuju tentang pembatas, gaya petikan, pengakhiran baris dan pengekodan aksara.

Pembatas adalah kejutan yang paling biasa. Perisian yang dijual di negara yang menggunakan koma sebagai pemisah perpuluhan sering mengeksport fail yang dipisahkan koma bertitik, kerana koma sudah diduduki. Fail tersebut masih berakhir dengan .csv dan alat yang menganggap koma meruntuhkan setiap baris ke dalam satu lajur.

Pengekodan adalah yang kedua. Fail UTF-8 selalunya bermula dengan tanda susunan bait tiga bait yang tidak kelihatan. Excel pada Windows menggunakannya untuk mengenali UTF-8; banyak alat lain tidak menjangkakannya, jadi ia terpaku pada nama pengepala pertama dan lajur yang dipanggil id secara senyap menjadi satu yang tiada carian akan sepadan.

Diagnosis dalam tiga nombor

Pengesanan automatik menghuraikan sampel dengan setiap pembatas calon dan memilih yang menghasilkan hasil segi empat tepat yang paling konsisten, itulah sebabnya ia tidak tertipu dengan koma di dalam medan petikan bagi fail yang dipisahkan koma bernoktah. Ia betul pada kebanyakan masa; pratonton memberitahu anda apabila ia tidak.

• Kiraan lajur. Jika 1, pembatas adalah salah. Cuba titik bertitik, kemudian tab.
• Kiraan baris. Jika ia jauh lebih tinggi daripada yang dijangkakan, fail itu mungkin mengandungi baris baharu yang dipetik bahawa sesuatu di hulu telah rosak.
• Kiraan amaran. Setiap amaran menamakan nombor baris, dikira cara pengiraan editor teks, supaya anda boleh pergi dan melihat.

Membaca amaran

Baris lusuh bermakna baris mempunyai bilangan sel yang berbeza daripada pengepala. Tiada apa-apa yang dibuang untuk mengemas grid: baris pendek berlapik dengan kosong dan baris panjang mengekalkan nilai tambahannya. Memadam data seseorang secara senyap untuk menjadikan jadual kelihatan segi empat tepat adalah perkara paling teruk yang boleh dilakukan oleh alat pembersihan, jadi ia tidak dilakukan.

Petikan tidak tertutup bermakna petikan dua kali dibuka dan tidak pernah ditutup, jadi segala-galanya selepas ia dibaca sebagai satu medan yang besar. Ini hampir selalu rasuah tulen dalam sumber, dan ia berbaloi untuk membetulkan tempat fail itu dihasilkan daripada menampal hiliran.

Alat ini melaporkan perkara ini dan bukannya membaikinya, kerana kedua-dua kes mempunyai beberapa kemungkinan pembetulan betul dan sahaja anda yang tahu yang berkenaan.

Bersihkan mengikut susunan yang betul

Eksport selamat suntikan formula dihidupkan secara lalai dan merupakan satu pilihan di sini dengan akibat keselamatan yang tulen. Sel yang bermula dengan =, +, - atau @ dianggap sebagai formula oleh aplikasi hamparan, jadi nilai yang datang daripada sumber yang tidak dipercayai boleh dilaksanakan apabila seseorang membuka fail anda. Eksport selamat memberi awalan kepada sel-sel tersebut dengan tanda kutip, yang menghalangnya daripada mengira — termasuk mana-mana yang anda ingin kira, yang wujud dalam mitigasi dan bukannya pepijat.

1. Potong ruang kosong dahulu. Dua baris yang berbeza sahaja dengan ruang mengekor bukan pendua sehingga anda memangkasnya.
2. Alih keluar baris pendua kedua. Kejadian pertama disimpan, jadi susunan yang masih hidup tidak berubah.
3. Namakan semula pengepala dan pilih lajur untuk dieksport.
4. Isih jika anda perlu. Lajur berangka dikesan dan diisih secara berangka, jadi 9 datang sebelum 10.
5. Semak pilihan eksport sebelum memuat turun, terutamanya tetapan suntikan formula.

Memilih pengekodan eksport

HIDUPKAN tanda pesanan UTF-8 jika fail ditujukan untuk Excel pada Windows, yang menggunakannya untuk mengesan pengekodan; tanpa itu, aksara beraksen dan skrip bukan Latin boleh muncul sebagai mojibake pada klik dua kali.

Biarkan OFF jika fail menyuap skrip, import pangkalan data atau program lain, kerana sesetengah penghurai yang ketat menganggap tanda sebagai data.

Contoh berfungsi: 12,000-baris eksport yang dibuka sebagai satu lajur

Eksport pelanggan daripada CRM Eropah dibuka dalam editor anda sebagai 12,000 baris dan satu lajur. Baris pengepala berbunyi Nama;E-mel;Negara;Tarikh pendaftaran.

1. Muatkan fail. Autokesan laporan 4 lajur; jika tidak, tetapkan pembatas kepada koma bertitik secara manual.
2. Baca amaran: sebut 3 baris compang-camping di 418, 2,905 dan 7,110.
3. Lihatlah tiga baris itu. Ia mengandungi koma bertitik yang tidak dapat dilepaskan di dalam nama syarikat — sel tambahan disimpan, jadi tiada apa-apa yang hilang.
4. Potong ruang kosong, kemudian alih keluar pendua.
5. Eksport sebagai CSV dengan koma sebagai pembatas dan tanda tertib bait dihidupkan, kerana fail itu dihantar kepada rakan sekerja yang menggunakan Excel.

Keputusan: Fail UTF-8 yang dipisahkan koma dengan tanda tertib bait, empat lajur dan baris pendua hilang. Tiga baris masalah masih ada dengan sel tambahannya utuh, dibenderakan untuk anda betulkan pada sumber dan bukannya dipadamkan untuk menjadikan jadual kemas.

Buka alat

Bersihkan CSV dalam pelayar anda

Menghuraikan dalam Pekerja Web pada peranti anda, menyimpan setiap sel yang ditemuinya dan melaporkan masalah yang tidak akan diduga.

Perkara ini tidak meliputi

• Keseluruhan fail disimpan dalam memori peranti anda. Penutupnya ialah 50 MB dan telefon akan bergelut dengan baik sebelum komputer riba mengalami masalah.
• Sahaja 100 baris pertama ditunjukkan dalam pratonton, walaupun setiap baris dibersihkan dan dieksport.
• Pengesanan pengekodan terhad kepada UTF-8 tanda pesanan bait. Fail yang disimpan sebagai Windows-1252 atau Shift-JIS dibaca sebagai UTF-8 dan mungkin menunjukkan aksara gantian; eksport semula sebagai UTF-8 daripada aplikasi sumber.
• Sahaja UTF-8 ditulis. Pengekodan warisan tidak dihasilkan.
• Tiada sokongan berbilang helaian, kerana CSV tidak mempunyai konsep helaian.
• Fail yang petikannya sudah rosak dilaporkan, tidak dibaiki.
• Buat asal terhad kepada 20 operasi terakhir.