فتح ملف CSV

قراءة ملف CSV دون أن يمسّه Excel

السبب في عرض ملف CSV هنا بدلًا من Excel هو أن Excel يعدّل الملف أثناء فتحه. يُحذف الصفر البادئ من الرمز البريدي أو رقم الحساب لأن العمود يبدو رقميًا. ويُقرَّب أي معرّف يتجاوز خمسة عشر رقمًا. ويُعاد تنسيق كل ما يشبه التاريخ وفق الأعراف المحلية، فيتغيّر معنى 03/05 بحسب البلد. بل إن اسم جين مثل SEPT1 يتحول إلى تاريخ — وهي مشكلة مستعصية إلى حد أن علماء الوراثة أعادوا تسمية الجينات. لا يحدث شيء من هذا هنا: تُعرض القيم تمامًا كما تقول البايتات في الملف.

لا يوجد معيار حقيقي لصيغة CSV، لذا فالمهمة الأولى هي معرفة طبيعة الملف. قد يكون الفاصل فاصلة أو فاصلة منقوطة أو علامة جدولة (tab) — فالإعدادات الإقليمية الأوروبية تُصدّر بفاصلة منقوطة لأن الفاصلة عندها هي الفاصل العشري — وقد يكون الترميز UTF-8 أو صفحة ترميز قديمة، وهذا ما يحوّل الأسماء ذات الحروف المشكّلة إلى رموز مشوّهة حين يُخمَّن خطأً. يُكتشف كلاهما بدلًا من افتراضه، وهذا يناسب كل ملف مُصدَّر حقيقي تقريبًا، ويمكن تغيير كليهما يدويًا حين يخطئ الاكتشاف بدلًا من أن تبقى عالقًا.

علامات الاقتباس هي حيث تفشل برامج العرض البسيطة. يمكن للحقل المقتبس أن يحتوي قانونيًا على فواصل وفواصل أسطر وعلامات اقتباس مزدوجة، لذا فالصف الذي يحمل عنوانًا بريديًا يمتد على عدة أسطر فعلية في الملف بينما يظل سجلًا واحدًا. وأي أداة تقسّم عند الفواصل تُفسد هذه الصفوف تحديدًا — ولهذا يبدو الملف سليمًا في محرر النصوص وخاطئًا في برنامج العرض، أو العكس.

الملف غير المنتظم — صفوف فيها حقول أكثر أو أقل من صف العناوين — يُعرض كما هو بدلًا من إكماله أو قصّه بصمت، لأن الصف الذي يحتوي على عدد خاطئ من الحقول يكون عادةً عَرَضًا لمشكلة في علامات الاقتباس في موضع أعلى، وإخفاؤه يُخفي الخلل. يُحلَّل الملف كاملًا داخل الصفحة، لذا يتناسب استهلاك الذاكرة مع حجمه.

عندما تحتاج إلى شيء آخر

في سطر الأوامر، صُممت csvkit لهذا بالضبط: csvlook تطبع جدولًا مصفوفًا، وcsvstat تلخّص كل عمود، وcsvclean تُبلغ عن الصفوف غير المنتظمة وتصلحها. وMiller — mlr --icsv --opprint cat data.csv — تفعل الشيء نفسه بسرعة وتتعامل مع ملفات أكبر من الذاكرة. أما VisiData فهي الأداة التي تستحق المعرفة للاستكشاف التفاعلي: تفتح ملفًا بحجم عدة غيغابايتات فورًا في الطرفية، مع الفرز والتصفية وحساب التكرارات.

إذا كان لا بد من فتح ملف CSV في Excel، فاستخدم البيانات ← من نص/CSV بدلًا من النقر المزدوج عليه. تتيح لك نافذة الاستيراد تحديد نوع كل عمود قبل تحليل أي شيء، وهذه هي الطريقة الموثوقة الوحيدة لمنع التحويلات المذكورة أعلاه. أما النقر المزدوج فيمنح Excel الإذن بالتخمين، وهو يخمّن بثقة.