Dados e planilhas · CSV Limpador
Por que o Excel corrompe silenciosamente os campos CSV: zeros à esquerda, datas e IDs longos
· Por que é importante
csv limpeza de dados planilhas
Abrir um CSV em uma planilha não é neutro: os códigos postais perdem zeros, os códigos viram datas e os identificadores longos se transformam em notação científica. Esta postagem explica por que isso acontece, o que é irrecuperável e como manter o arquivo bruto intacto.
Um arquivo que estava bem até alguém abri-lo — o código postal 01234 se torna 1234 e o dano é salvo de volta
Um arquivo sai do sistema de origem com o CEP 01234, é aberto em uma planilha e retorna ao analista com 1234. O CSV original não estava malformado: continha texto com zero à esquerda. A diferença surgiu quando um programa adivinhou que aquela coluna era numérica e então salvou seu valor interpretado. Depois que alguém substitui o arquivo de origem, uma ferramenta de limpeza posterior não consegue saber se 1234 costumava significar 01234 ou 001234. Mantenha uma exportação intacta antes de inspecioná-la em qualquer planilha.
Digite adivinhação ao abrir - como as planilhas inferem números, datas e fórmulas do texto e por que CSV não lhes dá nenhuma maneira de dizer o contrário
CSV expressa linhas, separadores e texto citado; ele não declara tipos de número, data ou código postal por coluna. Uma planilha que a abre diretamente deve fazer suposições. Um valor que começa com dígitos pode se tornar um número, 03-04 pode ser interpretado como uma data de acordo com a localidade e um valor que começa com = pode ser interpretado como uma fórmula em alguns aplicativos. A citação de "01234" protege o delimitador CSV, e não sua futura classificação como texto por um assistente de importação automática.
As baixas clássicas – zeros à esquerda, identificadores numéricos longos, qualquer coisa que se assemelhe a uma data e valores começando com um sinal de igual
Zeros à esquerda em códigos postais e SKUs, identificadores com dígitos mais significativos do que um formato numérico de planilha pode preservar e strings ambíguas com aparência de data são vítimas clássicas. A notação científica em si não é uma corrupção – é uma opção de exibição – mas salvar um ID longo após a conversão numérica pode perder dígitos exatos. Valores com aparência de fórmula provenientes de dados não confiáveis são um risco de segurança separado. A exportação CSV de ToolAcre tem uma opção segura para injeção de fórmula que prefixa inícios arriscados, com a compensação de que células calculadas intencionalmente não serão mais calculadas.
Por que o dano geralmente é permanente — a precisão perdida ao salvar e as datas serializadas novamente em um formato diferente não podem ser revertidas na saída
Suponha que uma referência de cliente com 20 dígitos seja arredondada após a interpretação numérica e salva. Os dígitos originais ausentes não podem ser adivinhados a partir de um novo CSV. Uma data convertida em uma data interna e exportada em outra localidade pode ter sido perdida, independentemente de a origem ser 3 abril ou março 4. É por isso que “Vou limpar mais tarde” não é um primeiro passo seguro. Preserve os bytes brutos antes que qualquer software com digitação automática tenha a chance de substituí-los.
Em vez disso, trabalhar no texto bruto — mantendo uma cópia que nenhuma planilha tenha tocado e limpando-a como texto antes de qualquer importação
Trabalhe em uma cópia da exportação de texto com um analisador que considera as células como strings. O limpador CSV de ToolAcre analisa delimitadores e campos entre aspas no navegador e mostra avisos de linha sem descartar células extras silenciosamente. Verifique se o cabeçalho ainda inclui seus bytes iniciais originais e se os identificadores contêm os caracteres de origem exatos. Limpar espaços ou duplicatas é algo separado da interpretação do significado de um campo; um código postal deve permanecer uma string, mesmo que cada caractere seja um dígito.
Exemplo resolvido - uma exportação de produto com SKUs e códigos postais, mostrando o que uma planilha de ida e volta muda e o que uma limpeza em nível de texto preserva
Use uma exportação ilustrativa com sku de cabeçalho;código postal;descrição e linhas 00042;01234;"Vermelho, pequeno" e 00043;00105;"Azul, grande". Uma importação ingênua de vírgula recolhe os campos de ponto e vírgula, enquanto a digitação numérica automática pode transformar 00042 e 01234 em 42 e 1234. CSV A análise de ponto e vírgula do Cleaner produz três colunas textuais, incluindo a vírgula entre aspas dentro de cada descrição; exportar a cópia limpa ainda exige que você importe colunas como texto para a planilha de destino. Compare os arquivos brutos e completos antes de enviá-los para compra.
O que isso não cobre: restaurar valores já destruídos por um salvamento anterior ou configurar o assistente de importação de uma planilha
Esta postagem não pode recuperar dígitos identificadores ou zeros à esquerda já destruídos em um arquivo de planilha salvo. Nem um limpador de nível de texto configura o assistente de importação do Excel, as configurações de localidade de um colega ou um esquema de banco de dados. Assim que o arquivo bruto estiver seguro, siga as instruções de importação de texto do fornecedor da planilha para colunas de código e ID. Teste uma pequena amostra através do fluxo de trabalho exato do destinatário; “abre em colunas” não prova “preservou todas as strings”.
Corrija o arquivo antes que a planilha o veja — como o limpador ToolAcre CSV permite reparar delimitadores, codificações e aspas antes que a exportação seja aberta em uma planilha
Corrija o arquivo antes que a planilha o veja e escolha um modo de importação que mantenha os identificadores textuais. CSV O Cleaner pode reparar localmente o delimitador, codificação e cotação de uma exportação não modificada. Isso não faz com que uma planilha pare de adivinhar os tipos de campo em seu nome, portanto, o original intocado e uma comparação pós-importação continuam sendo as salvaguardas mais importantes.