繁體中文

資料與電子表格 · CSV 更清理

為什麼 Excel 會默默地損壞 CSV 欄位:前導零、日期和長 ID

· 為什麼它很重要

二. 出版人 ToolAcre · 編輯审查

csv 資料清理 電子表格

原始文字標識符,在電子表格解釋的數字旁邊保留其前導零
原始 ToolAcre 向量圖

在電子表格中開啟 CSV 並不是中立的:郵遞區號會遺失零,代碼會變成日期,長標識符會變成科學記數法。這篇文章解釋了為什麼會發生這種情況、什麼是不可恢復的以及如何保持原始文件完整。

一個在有人打開之前一直正常的檔案 — 郵遞區號 01234 變成 1234,並損壞被保存回來

檔案離開來源系統,郵遞區號為 01234,在電子表格中打開,並以 1234 傳回給分析人員。原始的 CSV 沒有格式錯誤:它包含帶有前導零的文字。當程式猜測該列是數字然後保存其解釋值時,就會出現差異。一旦有人覆蓋原始檔案,後來的清理工具就無法知道1234過去是否意味著01234或001234。在任何電子表格中檢查匯出之前,請保持匯出不變。

打開時的類型猜測 — 電子表格如何從文字推斷數字、日期和公式,以及為什麼 CSV 讓他們無法反駁

CSV 表示行、分隔符號和引用的文字;它不宣告每列的數字、日期或郵遞區號類型。直接打開它的電子表格必須進行猜測。以數字開頭的值可以成為數字,03-04 可以根據區域設定解釋為日期,以 = 開頭的值在某些應用程式中可以解釋為公式。對「01234」的引用保護 CSV 分隔符,而不是自動導入精靈將來將其分類為文字。

經典的傷亡 — 前導零、長數字識別碼、任何類似日期的內容以及以等號開頭的值

郵遞區號和 SKU 中的前導零、比電子表格數字格式可以保留的有效數字更多的識別碼以及看起來不明確的日期字串都是典型的受害者。科學記數法本身並不是損壞,而是一種顯示選擇,但在數字轉換後保存長 ID 可能會丟失精確的數字。來自不可信資料的看似公式的值是一個單獨的安全風險。 ToolAcre 的 CSV 匯出有一個公式註入安全選項,該選項為有風險的開始添加前綴,而有意計算的單元格將不再計算。

為什麼損壞通常是永久性的 - 保存時精度丟失以及以不同格式重新序列化的日期無法從輸出中逆轉

假設 20 位客戶參考號碼在數字解釋後四捨五入並保存。無法從新的 CSV 中猜出遺失的原始數字。轉換為內部日期並在其他區域設定中匯出的日期可能會遺失,無論來源是指 3 四月還是三月 4。這就是為什麼「我稍後再清理」並不是安全的第一步。在任何具有自動輸入功能的軟體有機會替換原始位元組之前,請保留原始位元組。

改為處理原始文字 - 保留電子表格未觸及的副本,並在導入之前將其清理為文字

使用將儲存格視為字串的解析器處理文字匯出的副本。 ToolAcre 的 CSV Cleaner 解析瀏覽器中的分隔符號和帶引號的欄位,並顯示行警告,而不會默默刪除額外的單元格。檢查標頭是否仍包含其原始前導位元組以及識別碼是否包含確切的來源字元。清理空格或重複項與解釋欄位的含義是分開的;即使每個字元碰巧都是數字,郵遞區號也應該保留為字串。

工作範例 — 包含 SKU 和郵遞區號的產品匯出,顯示電子表格往返變更的內容以及文字層級清理保留的內容

使用標題 sku;郵遞區號;說明和行 00042;01234;「紅色,小」和 00043;00105;「藍色,大」的說明性匯出。簡單的逗號導入會折疊分號欄位,而自動數字輸入可以將 00042 和 01234 轉換為 42 和 1234。 CSV Cleaner 的分號解析產生三個文字列,包括每個描述中帶引號的逗號;匯出清理後的副本仍需要您將列作為文字匯入目標電子表格中。在將原始檔案和往返檔案發送給採購之前進行比較。

這不包括什麼 - 恢復已被先前保存破壞的值,或配置電子表格的導入嚮導

這篇文章無法恢復已儲存的電子表格檔案中已損壞的識別碼數字或前導零。文字層級清理器也不會配置 Excel 的匯入精靈、同事的區域設定或資料庫架構。一旦原始檔案安全,請按照電子表格供應商的代碼和 ID 列文字匯入說明進行操作。透過精確的接收者工作流程測試小樣本; 「打開成列」並不能證明「保留了每個字串」。

在電子表格看到檔案之前修復檔案 - ToolAcre CSV Cleaner 如何讓您在電子表格中開啟匯出之前修復分隔符號、編碼和引用

在電子表格看到檔案之前修復該檔案,然後選擇保持標識符文字的導入模式。 CSV Cleaner 可以在本地修復未修改匯出的分隔符​​號、編碼和引用。它不會使電子表格停止代表您猜測欄位類型,因此未變更的原始資料和匯入後的比較仍然是最重要的保障措施。