Chuyển CSV sang Excel

Một cột được xác định kiểu dữ liệu như thế nào

Mỗi cột được xem xét tổng thể và nhận một kiểu dữ liệu duy nhất, và một số dạng giá trị cụ thể buộc cột quay về dạng văn bản, bất kể phần còn lại của cột trông thế nào. Bất kỳ giá trị nhiều chữ số nào bắt đầu bằng số 0 đều gây ra điều đó. Mọi số có hơn mười lăm chữ số có nghĩa cũng vậy, vì đó là ngưỡng mà vượt qua thì một chữ số sẽ bị mất chứ không chỉ hiển thị khác đi. Mọi thứ bắt đầu bằng dấu cộng rồi đến bảy chữ số trở lên cũng vậy, vì đó là số điện thoại chứ không phải một con số định lượng. Trộn hai ký hiệu tiền tệ trong một cột cũng gây ra điều đó, trộn dấu thập phân cũng vậy, và một ngày trước năm 1900 cũng thế, vì lịch của chính Excel không chứa được. Mỗi quyết định như vậy đều được nêu rõ trong bản xem trước kèm lý do, để bạn thấy vì sao một cột vẫn là văn bản thay vì phải thắc mắc.

Ngày tháng được xác định theo từng cột chứ không theo từng ô. Các giá trị lớn hơn mười hai cho biết file đang ghi ngày trước hay tháng trước; nếu không có giá trị nào như vậy, các cột khác sẽ “bỏ phiếu”, sau đó đến thiết lập của bạn, rồi mặc định là ngày trước. Một cột trộn lẫn hai thứ tự sẽ bị từ chối và giữ nguyên dạng văn bản thay vì bị đoán, vì đó là trường hợp mà đoán sai sẽ không thể nhận ra. Năm hai chữ số theo quy tắc của chính Excel: mọi số dưới ba mươi thuộc thế kỷ này. Chỉ đúng hai từ true và false mới trở thành giá trị logic thực sự — yes và no, Y và N, 1 và 0 đều được giữ nguyên như cũ, vì mỗi cặp đó mang nghĩa khác trong một file nào đó.

Giá trị không khớp với kiểu dữ liệu của cột được ghi lại đúng văn bản gốc thay vì bị để trống, và những ký hiệu thường mang nghĩa “thiếu dữ liệu” — NA, N/A, null, nil, none, một dấu gạch ngang hoặc dấu hỏi đứng một mình, và các chữ báo lỗi của chính Excel — không làm hỏng một cột đã có kiểu dữ liệu khi chúng xuất hiện trong đó. Mọi ô văn bản đều được ghi thành văn bản bằng kiểu ô, không phải bằng dấu nháy đơn ở đầu, nên một trường bắt đầu bằng dấu bằng sẽ vô hại trong bảng tính chứ không chỉ được ngụy trang. Nếu điều nào trong số đó không phù hợp với file của bạn, bạn có thể ghim từng cột thành văn bản trong bản xem trước trước khi tải xuống.

Khi bạn cần công cụ khác

Quá trình này chạy ngay trên trang — nó thường xuyên nhường quyền xử lý để tab vẫn phản hồi, và không có giới hạn dung lượng file, hai điều đó cộng lại nghĩa là một file CSV thực sự lớn sẽ làm quạt máy bạn kêu to trước khi gây ra lỗi. Với file hàng trăm megabyte, hoặc phép chuyển đổi diễn ra hằng đêm, in2csv của csvkit và LibreOffice ở chế độ headless đều làm được việc này từ một script, và không cái nào cần trình duyệt phải giữ toàn bộ bảng.

Câu hỏi khó hơn là liệu .xlsx có phải đích đến phù hợp hay không. Bảng tính là nơi con người đọc và chỉnh sửa dữ liệu, và mọi công sức bỏ ra để kiểu dữ liệu ra đúng đều uổng phí nếu file chỉ được mã lập trình đọc — khi đó hãy giữ nguyên CSV, hoặc chuyển nó một lần sang Parquet hay JSON Lines, và để bên sử dụng khai báo lược đồ (schema) thay vì suy ra từ các giá trị. Suy luận kiểu dữ liệu là một phỏng đoán được thực hiện cẩn thận; lược đồ thì hoàn toàn không phải phỏng đoán.