Converter Excel em CSV

O que o CSV realmente contém

“Como aparece no Excel” não pergunta ao Excel como uma célula está — ele renderiza o formato de número de novo aqui, com a nossa própria implementação dos códigos de formato do Excel, porque a biblioteca habitual erra centenas de formatos do mundo real. A exceção é um arquivo que já traz o texto de exibição: uma planilha OpenDocument, ou uma daquelas tabelas HTML que aplicativos web chamam de .xls, em que o texto armazenado é usado como está. As datas nunca saem como números de série, em nenhum dos modos. A marcação de época da própria planilha é lida, então um arquivo gerado pelo Excel antigo do Mac é deslocado nos 1.462 dias necessários, e o dia que o Excel acredita ter existido — 29 de fevereiro de 1900 — é reproduzido exatamente onde deve ficar, em vez de empurrar tudo o que vem depois em um dia.

Três padrões merecem ser conferidos antes de você entregar o arquivo a outro programa. O delimitador começa como o que a localidade do seu navegador indica, então um computador configurado com vírgula decimal oferece ponto e vírgula. As linhas terminam com retorno de carro e avanço de linha, a menos que você escolha outra opção, e sempre há uma quebra de linha depois da última linha. As aspas são mínimas — um campo só vai entre aspas quando contém o delimitador, aspas, uma quebra de linha ou espaços no início ou no fim — com um caso especial: uma primeira célula com “sep=” vai entre aspas para que o Excel não confunda seus dados com uma instrução de delimitador.

Células mescladas são resolvidas de uma de duas formas, e o padrão é a mais discreta: só a célula superior esquerda da mesclagem leva o valor, e as demais saem vazias. Valores booleanos são gravados como TRUE e FALSE em qualquer modo, e uma célula com erro sai como o texto do erro. Nada é feito para neutralizar uma célula que começa com sinal de igual. Um CSV gerado aqui reproduz esse texto exatamente como a planilha o guardava; então, se a aba veio de uma origem em que você não confia, a fórmula continua sendo uma fórmula para o que abrir o arquivo em seguida — o que é uma característica do CSV, não desta ferramenta, e um motivo para abrir primeiro uma exportação desconhecida em um visualizador.

Quando você precisa de outra coisa

A planilha é lida inteira, com um limite de 200 MB para o arquivo e uma parada se o conteúdo compactado declarar que vai se expandir além de dois gigabytes. Além disso, e para qualquer coisa agendada, a resposta é um programa de computador, não esta página: o LibreOffice em modo headless converte uma aba em CSV com um único comando. Para extrair uma coluna de uma exportação de cem megabytes sem carregar o resto, o qsv e o Miller leem e gravam CSV como fluxo.

E, se o destino é um banco de dados ou um pipeline, e não uma pessoa, pergunte se CSV é mesmo o formato certo. Ele não consegue registrar o próprio delimitador, a marca decimal nem a codificação, e é por isso que toda importação de CSV começa com três perguntas que ninguém deveria ter de responder. O Parquet mantém os tipos, o JSON Lines mantém a estrutura, e os dois são lidos diretamente pelo DuckDB, pelo pandas e por tudo o mais que ia carregar o seu CSV de qualquer jeito.