Excel in CSV umwandeln

Was die CSV tatsächlich enthält

„Wie in Excel angezeigt“ fragt nicht Excel, wie eine Zelle aussieht – das Zahlenformat wird hier neu dargestellt, mit unserer eigenen Implementierung der Excel-Formatcodes, weil die übliche Bibliothek Hunderte praxisnahe Formate falsch darstellt. Die Ausnahme ist eine Datei, die ihren Anzeigetext bereits mitbringt: eine OpenDocument-Tabelle oder eine der HTML-Tabellen, die Web-Apps als .xls benennen – hier wird der gespeicherte Text unverändert übernommen. Datumswerte werden in keinem Modus als fortlaufende Zahlen ausgegeben. Das Epochen-Flag der Arbeitsmappe wird ausgelesen, sodass eine Datei aus dem alten Mac-Excel um die nötigen 1.462 Tage verschoben wird, und der Tag, den es laut Excel gab – der 29. Februar 1900 –, wird genau dort wiedergegeben, wo er hingehört, statt alles danach um einen Tag zu verschieben.

Drei Voreinstellungen sollten Sie prüfen, bevor Sie die Datei an etwas anderes übergeben. Das Trennzeichen richtet sich zunächst nach dem Gebietsschema Ihres Browsers, ein Rechner mit Dezimalkomma bekommt also Semikolons angeboten. Zeilen enden mit Wagenrücklauf und Zeilenvorschub, sofern Sie nichts anderes wählen, und nach der letzten Zeile folgt immer ein Zeilenumbruch. Anführungszeichen werden sparsam gesetzt – ein Feld wird nur dann in Anführungszeichen gesetzt, wenn es das Trennzeichen, ein Anführungszeichen, einen Zeilenumbruch oder führende bzw. nachgestellte Leerzeichen enthält –, mit einem Sonderfall: Eine erste Zelle mit dem Inhalt „sep=“ wird in Anführungszeichen gesetzt, damit Excel Ihre Daten nicht für eine Trennzeichen-Anweisung hält.

Verbundene Zellen werden auf eine von zwei Arten aufgelöst, und die Voreinstellung ist die zurückhaltendere: Nur die obere linke Zelle eines Verbunds trägt den Wert, die übrigen bleiben leer. Wahrheitswerte werden in beiden Modi als TRUE und FALSE geschrieben, und eine Zelle mit einem Fehler wird als ihr Fehlertext ausgegeben. Zellen, die mit einem Gleichheitszeichen beginnen, werden nicht entschärft. Eine hier geschriebene CSV gibt diesen Text genau so wieder, wie die Arbeitsmappe ihn enthielt – stammt das Blatt aus einer Quelle, der Sie nicht vertrauen, ist die Formel für das Programm, das die Datei als Nächstes öffnet, also weiterhin eine Formel. Das ist eine Eigenschaft von CSV, nicht dieses Tools, und ein Grund, einen unbekannten Export zuerst in einem Viewer zu öffnen.

Wenn Sie etwas anderes brauchen

Die Arbeitsmappe wird vollständig eingelesen, mit einer Obergrenze von 200 MB für die Datei und einem Abbruch, wenn ihr komprimierter Inhalt vorgibt, sich auf mehr als zwei Gigabyte zu entpacken. Darüber hinaus, und für alles, was regelmäßig laufen soll, ist ein Desktop-Tool die Antwort statt dieser Seite: LibreOffice im Headless-Modus wandelt ein Tabellenblatt mit einem einzigen Befehl in CSV um. Um eine Spalte aus einem Hundert-Megabyte-Export herauszuziehen, ohne den Rest zu laden, lesen und schreiben qsv und Miller CSV als Stream.

Und wenn das Ziel eine Datenbank oder eine Pipeline ist und kein Mensch, fragen Sie sich, ob CSV überhaupt das richtige Format ist. CSV kann weder sein eigenes Trennzeichen noch sein Dezimalzeichen noch seine Kodierung festhalten – deshalb beginnt jeder CSV-Import mit drei Fragen, die niemand beantworten müssen sollte. Parquet bewahrt die Datentypen, JSON Lines die Struktur, und beide werden direkt von DuckDB, pandas und allem anderen gelesen, was Ihre CSV ohnehin laden sollte.