CSVをExcelに変換

列の型が決まるしくみ

列は全体として調べられ、1つの型が与えられます。そして、列のほかの値がどうであれ、いくつかの特定の形があれば列はテキストに戻されます。2桁以上で先頭にゼロが付いた値が1つでもあればテキストになります。有効桁数が15桁を超える数値も同様で、これは桁の表示が変わるだけでなく、桁そのものが失われてしまう境目です。プラス記号のあとに7桁以上の数字が続くものも同様で、これは数量ではなく電話番号だからです。1つの列に2種類の通貨記号が混在している場合、小数点記号が混在している場合、そしてExcel自身のカレンダーでは扱えない1900年より前の日付がある場合もテキストになります。こうした判断はそれぞれ理由とともにプレビューに表示されるので、列がなぜテキストのままなのか首をかしげる必要はありません。

日付はセルごとではなく列ごとに判定します。12より大きい値があれば、そのファイルが日を先に書いているか月を先に書いているかが決まります。そうした値がなければ、ほかの列の判定、次にあなたの設定、最後に「日が先」の順で決めます。2つの順序が混在する列は変換せずにテキストのまま残します。推測を誤っても気づけないのがまさにこのケースだからです。2桁の年はExcel自身の規則に従い、30未満は今世紀とみなします。本物の真偽値になるのは文字どおりの単語trueとfalseだけです。yesとno、YとN、1と0はそのまま残します。どれも、どこかのファイルでは別の意味で使われているからです。

列の型に合わない値は、空欄にせず元のテキストのまま書き戻します。また、「欠損」を意味することが多い値（NA、N/A、null、nil、none、ハイフンや疑問符だけのもの、Excel自身のエラー表示）が型の決まった列に出てきても、列の型は崩れません。テキストのセルはすべて、先頭のアポストロフィではなくセルの型によってテキストとして書き込みます。そのため、等号で始まる項目はブックの中で単にごまかされているのではなく、実際に無害です。ファイルに合わない判定があれば、ダウンロードする前にプレビューで個々の列をテキストに固定できます。

ほかの目的には

この処理はページ上で動作します。タブが固まらないようにこまめに処理を譲り、ファイルサイズの上限もありません。その結果、本当に大きなCSVでは、エラーが出るより先にパソコンのファンの音が聞こえてくるでしょう。数百MBのファイルや、毎晩行う変換には、csvkitのin2csvと、画面なしモードのLibreOfficeがどちらもスクリプトから同じことを行え、ブラウザで表全体を抱え込む必要もありません。

より難しい問題は、そもそも.xlsxが正しい変換先かどうかです。ブックは人がデータを読んで編集するための場所です。ファイルをプログラムが読むだけなら、型を正しく出すために費やした時間はすべて無駄になります。その場合はCSVのままにするか、ParquetやJSON Linesに一度だけ変換し、値から推測させるのではなく、読み込む側にスキーマを宣言させましょう。型の推測は慎重に行われた推測にすぎませんが、スキーマはまったく推測ではありません。