Chuyển Excel sang CSV

File CSV thực sự chứa những gì

“Như hiển thị trong Excel” không hỏi Excel xem một ô trông thế nào — nó kết xuất lại định dạng số ngay tại đây, bằng bản triển khai mã định dạng Excel của riêng chúng tôi, vì thư viện thông dụng xử lý sai hàng trăm định dạng gặp trong thực tế. Ngoại lệ là file đã mang sẵn phần chữ hiển thị: một trang tính OpenDocument, hoặc một trong những bảng HTML mà các ứng dụng web đặt tên đuôi .xls, khi đó phần chữ đã lưu được dùng nguyên như vậy. Ở cả hai chế độ, ngày tháng không bao giờ bị xuất ra dưới dạng số seri. Cờ mốc thời gian (epoch) của chính file bảng tính được đọc, nên file do Excel đời cũ trên Mac tạo ra được dịch đúng 1.462 ngày cần thiết, và ngày mà Excel tin là có tồn tại — 29 tháng 2 năm 1900 — được tái hiện đúng chỗ của nó thay vì làm mọi ngày sau đó lệch đi một.

Có ba giá trị mặc định nên kiểm tra trước khi bạn đưa file cho phần mềm khác. Dấu phân cách ban đầu theo thiết lập vùng của trình duyệt, nên máy dùng dấu phẩy làm dấu thập phân sẽ được đề xuất dấu chấm phẩy. Dòng kết thúc bằng ký tự về đầu dòng và xuống dòng (CRLF) trừ khi bạn chọn khác, và luôn có một dấu xuống dòng sau hàng cuối cùng. Việc đặt trong ngoặc kép được giữ ở mức tối thiểu — một trường chỉ được đặt trong ngoặc kép khi chứa dấu phân cách, dấu ngoặc kép, dấu xuống dòng, hoặc khoảng trắng ở đầu hay cuối — với một trường hợp đặc biệt: ô đầu tiên có nội dung “sep=” sẽ được đặt trong ngoặc kép để Excel không nhầm dữ liệu của bạn là lệnh khai báo dấu phân cách.

Ô đã gộp được xử lý theo một trong hai cách, và mặc định là cách ít gây xáo trộn hơn: chỉ ô trên cùng bên trái của vùng gộp mang giá trị, các ô còn lại để trống. Giá trị logic được ghi là TRUE và FALSE dù bạn chọn chế độ nào, và ô chứa lỗi sẽ được xuất ra đúng chữ báo lỗi của nó. Không có gì được làm để vô hiệu hóa một ô bắt đầu bằng dấu bằng. File CSV tạo ở đây tái hiện chính xác phần chữ đó như trong file bảng tính, nên nếu trang tính đến từ nguồn bạn không tin tưởng, công thức vẫn là công thức đối với bất kỳ phần mềm nào mở file tiếp theo — đó là đặc tính của CSV chứ không phải của công cụ này, và là lý do nên mở file xuất không rõ nguồn gốc bằng một trình xem trước.

Khi bạn cần công cụ khác

File bảng tính được đọc toàn bộ, với giới hạn 200 MB cho file và sẽ dừng lại nếu nội dung nén của nó khai báo sẽ bung ra quá hai gigabyte. Vượt quá mức đó, hoặc với việc chạy theo lịch định sẵn, câu trả lời là một công cụ trên máy tính chứ không phải trang này: LibreOffice ở chế độ headless chuyển một trang tính sang CSV chỉ bằng một lệnh. Để lấy một cột ra khỏi file trích xuất hàng trăm megabyte mà không phải nạp toàn bộ phần còn lại, qsv và Miller đọc và ghi CSV dưới dạng luồng.

Và nếu đích đến là một cơ sở dữ liệu hay một quy trình xử lý dữ liệu chứ không phải một con người, hãy tự hỏi CSV có thực sự là định dạng đích phù hợp không. CSV không thể tự ghi lại dấu phân cách, dấu thập phân hay bảng mã của chính nó, vì vậy mọi lần nhập CSV đều bắt đầu bằng ba câu hỏi mà lẽ ra không ai phải trả lời. Parquet giữ được kiểu dữ liệu, JSON Lines giữ được cấu trúc, và cả hai đều được DuckDB, pandas và mọi công cụ vốn định nạp file CSV của bạn đọc trực tiếp.