엑셀 CSV 변환

CSV에 실제로 들어가는 내용

“Excel에 표시된 대로”는 셀이 어떻게 보이는지 Excel에 묻는 방식이 아닙니다. 흔히 쓰는 라이브러리가 실제로 쓰이는 수백 가지 서식을 잘못 처리하기 때문에, Excel 서식 코드를 직접 구현해 숫자 서식을 여기서 다시 렌더링합니다. 예외는 표시 텍스트를 이미 담고 있는 파일입니다. OpenDocument 시트나, 웹 앱이 .xls라는 이름을 붙이는 HTML 표가 그렇고, 이때는 저장된 텍스트를 그대로 씁니다. 어느 모드에서도 날짜가 일련번호로 나가는 일은 없습니다. 통합 문서 자체의 기준일 플래그를 읽으므로, 예전 Mac용 Excel로 만든 파일은 필요한 만큼 1,462일을 옮기고, Excel이 존재한다고 믿는 날짜인 1900년 2월 29일도 정확히 제자리에 재현해 그 뒤의 모든 날짜가 하루씩 밀리지 않게 합니다.

파일을 다른 곳에 넘기기 전에 확인할 만한 기본값이 세 가지 있습니다. 구분 기호는 처음에 브라우저 로캘이 뜻하는 값으로 설정되므로, 소수점으로 쉼표를 쓰는 환경에서는 세미콜론이 제시됩니다. 줄 끝은 따로 고르지 않으면 캐리지 리턴과 라인 피드이며, 마지막 행 뒤에도 항상 줄바꿈이 있습니다. 따옴표는 최소한으로만 씁니다. 필드에 구분 기호, 따옴표, 줄바꿈, 앞뒤 공백이 있을 때만 따옴표로 감쌉니다. 한 가지 특별한 경우가 있는데, 첫 번째 셀이 “sep=”이면 Excel이 데이터를 구분 기호 지정 명령으로 착각하지 않도록 따옴표로 감쌉니다.

병합된 셀은 두 가지 방식 중 하나로 처리되며, 기본값은 더 조용한 쪽입니다. 병합 범위의 왼쪽 위 셀에만 값이 들어가고 나머지는 비어 있습니다. 불리언 값은 어느 모드든 TRUE와 FALSE로 쓰고, 오류가 든 셀은 오류 텍스트로 나갑니다. 등호로 시작하는 셀을 무력화하는 처리는 하지 않습니다. 여기서 만든 CSV는 통합 문서에 있던 텍스트를 그대로 재현하므로, 믿을 수 없는 곳에서 온 시트라면 다음에 파일을 여는 프로그램에서 그 수식은 여전히 수식입니다. 이는 이 도구가 아니라 CSV라는 형식의 특성이며, 출처를 모르는 내보내기 파일은 먼저 뷰어로 열어 봐야 하는 이유이기도 합니다.

다른 작업이 필요할 때

통합 문서는 전체를 읽으며, 파일 용량 상한은 200 MB이고, 압축된 내용이 2기가바이트를 넘게 풀린다고 주장하면 중단합니다. 그보다 크거나 정해진 일정에 따라 반복하는 작업이라면 이 페이지보다 데스크톱 도구가 답입니다. 헤드리스 모드의 LibreOffice 는 명령 하나로 시트를 CSV로 변환합니다. 수백 메가바이트짜리 추출 파일에서 나머지를 메모리에 올리지 않고 열 하나만 뽑아내려면 qsv 와 Miller 가 CSV를 스트림으로 읽고 씁니다.

그리고 받는 쪽이 사람이 아니라 데이터베이스나 파이프라인이라면, 애초에 CSV가 맞는 형식인지 물어보세요. CSV는 자신의 구분 기호도, 소수점 기호도, 인코딩도 기록할 수 없습니다. 그래서 모든 CSV 가져오기는 아무도 답할 필요가 없어야 할 세 가지 질문으로 시작합니다. Parquet은 데이터 타입을 유지하고 JSON Lines는 구조를 유지하며, 둘 다 DuckDB, pandas 등 어차피 CSV를 불러오려던 모든 도구가 바로 읽습니다.