Excel থেকে CSV-তে কনভার্ট করুন

CSV-তে আসলে কী থাকে

“Excel-এ যেমন দেখায়” Excel-কে জিজ্ঞেস করে না একটি সেল দেখতে কেমন — এটি এখানেই নাম্বার ফরম্যাট নতুন করে রেন্ডার করে, Excel-এর ফরম্যাট কোডের আমাদের নিজস্ব ইমপ্লিমেন্টেশন দিয়ে, কারণ প্রচলিত লাইব্রেরি বাস্তবের শত শত ফরম্যাট ভুল করে। ব্যতিক্রম হলো এমন ফাইল, যাতে আগে থেকেই দেখানোর লেখা থাকে: OpenDocument শিট, বা সেই HTML টেবিলগুলো যেগুলোর নাম ওয়েব অ্যাপ .xls রাখে — সেখানে সংরক্ষিত লেখা যেমন আছে তেমনই ব্যবহার হয়। কোনো মোডেই তারিখ সিরিয়াল নম্বর হিসেবে বের হয় না। ওয়ার্কবুকের নিজস্ব এপক ফ্ল্যাগ পড়া হয়, তাই পুরোনো Mac Excel-এ লেখা ফাইল দরকারি ১,৪৬২ দিন সরিয়ে নেওয়া হয়, আর যে দিনটি Excel আছে বলে বিশ্বাস করে — ২৯ ফেব্রুয়ারি ১৯০০ — তা ঠিক তার জায়গাতেই হুবহু রাখা হয়, এর পরের সবকিছু এক দিন সরে যায় না।

ফাইলটি অন্য কিছুর হাতে দেওয়ার আগে তিনটি ডিফল্ট দেখে নেওয়া উচিত। ডেলিমিটার শুরুতে আপনার ব্রাউজারের লোকেল অনুযায়ী ঠিক হয়, তাই দশমিকে কমা ব্যবহার করা কম্পিউটারে সেমিকোলন প্রস্তাব করা হয়। আপনি অন্য কিছু বেছে না নিলে লাইন শেষ হয় ক্যারেজ রিটার্ন ও লাইন ফিড দিয়ে, আর শেষ সারির পরে সবসময় একটি লাইন ব্রেক থাকে। কোটিং ন্যূনতম — কোনো ফিল্ড কোট করা হয় কেবল তখনই, যখন তাতে ডেলিমিটার, উদ্ধৃতিচিহ্ন, লাইন ব্রেক, বা শুরুতে বা শেষে স্পেস থাকে — একটি বিশেষ ক্ষেত্র বাদে: প্রথম সেলে “sep=” থাকলে তা কোট করা হয়, যাতে Excel আপনার ডেটাকে ডেলিমিটারের নির্দেশ ভেবে ভুল না করে।

মার্জ করা সেল দুইভাবে মীমাংসা হয়, আর ডিফল্টটি হলো কম হইচইয়েরটি: মার্জের শুধু ওপরের-বাঁয়ের সেলটি মান বহন করে, বাকিগুলো খালি আসে। আপনি যে মোডই বেছে নিন, বুলিয়ান লেখা হয় TRUE ও FALSE হিসেবে, আর ত্রুটিযুক্ত সেল আসে তার ত্রুটির লেখা হিসেবে। সমান চিহ্ন দিয়ে শুরু হওয়া সেলকে নিষ্ক্রিয় করতে কিছুই করা হয় না। এখানে লেখা CSV সেই লেখা হুবহু ওয়ার্কবুকে যেমন ছিল তেমনই রাখে, তাই শিটটি যদি অবিশ্বস্ত কোনো উৎস থেকে আসে, তবে ফাইলটি এরপর যা খুলবে তার কাছে ফর্মুলাটি তখনো ফর্মুলাই — এটি CSV-র বৈশিষ্ট্য, এই টুলের নয়, আর অজানা এক্সপোর্ট আগে কোনো ভিউয়ারে খোলার একটি কারণ।

অন্য কিছু দরকার হলে

ওয়ার্কবুকটি পুরোটা পড়া হয়, ফাইলের সর্বোচ্চ সীমা ২০০ MB, আর এর কমপ্রেস করা কনটেন্ট দুই গিগাবাইটের বেশি হয়ে যাবে বলে দাবি করলে কাজ থামিয়ে দেওয়া হয়। এর বাইরে, আর নির্ধারিত সময়ে চলা যেকোনো কাজের জন্য, উত্তর হলো এই পেজ নয়, একটি ডেস্কটপ টুল: হেডলেস মোডে LibreOffice এক কমান্ডে একটি শিটকে CSV-তে কনভার্ট করে। একশো মেগাবাইটের এক্সট্র্যাক্ট থেকে বাকিটা না খুলে একটি কলাম বের করতে qsv ও Miller স্ট্রিম হিসেবে CSV পড়ে ও লেখে।

আর গন্তব্য যদি কোনো মানুষ না হয়ে ডেটাবেস বা পাইপলাইন হয়, তবে ভাবুন CSV আদৌ সঠিক লক্ষ্য কি না। এটি নিজের ডেলিমিটার, দশমিক চিহ্ন বা এনকোডিং লিখে রাখতে পারে না, আর এ কারণেই প্রতিটি CSV ইমপোর্ট শুরু হয় এমন তিনটি প্রশ্ন দিয়ে, যার উত্তর কারও দিতে হওয়া উচিত নয়। Parquet টাইপ রাখে, JSON Lines কাঠামো রাখে, আর দুটোই সরাসরি পড়ে DuckDB, pandas ও বাকি সবকিছু, যা এমনিতেও আপনার CSV লোড করত।