Læs CSV-kommaer, anførselstegn og linjeskift sikkert
En kundebesked indeholder et komma og et linjeskift. Eksporten ser læsbar ud, men næste værktøj tilføjer en række eller forskyder en kolonne. Filen kan være gyldig CSV: Et felt i anførselstegn kan indeholde begge tegn. Hvis du opdeler ved hvert komma eller linjeskift, mister du den struktur.
Begynd med en lille kopi af den problematiske eksport
Hvis en besked er rykket ned på næste række, skal du ikke begynde med at slette linjeskiftet. Det kan fjerne en del af kundens adresse eller supporthenvendelse. Behold originaleksporten, og kopiér derefter overskriften og to eller tre hele poster til en særskilt testfil. Medtag en post med komma, en med anførselstegn og en med linjeskift. Brug opdigtede værdier, hvis du skal dele filen.
Åbn kopien i en ren teksteditor, ikke kun i et regneark. Find det indledende anførselstegn før det problematiske felt, og følg teksten til det afsluttende anførselstegn. Et linjeskift inden for dette par hører til feltet. To anførselstegn ved siden af hinanden inde i feltet repræsenterer ét bogstaveligt anførselstegn; de afslutter ikke nødvendigvis feltet. Derfor kan en fil se ud til at have fire linjer på skærmen uden at indeholde fire poster.
Derfor bliver én besked til flere linjer
En offentlig rapport om shell-kommandoer viste, at cut ikke pålideligt kunne udtrække en kolonne fra denne type fil. I det bevarede syntetiske testmateriale indlæste PowerShell 7.6.9 to dataposter og bevarede den første besked nøjagtigt, herunder CRLF og ordet i anførselstegn. Det er et parserresultat, ikke en test af alle regnearksimportører.
id,message
001,"Hello, friend
He said ""yes""."
002,Plain
Der er fire fysiske linjer inklusive overskriften, men kun to dataposter. De dobbelte anførselstegn repræsenterer bogstavelige anførselstegn inde i beskeden. Fjern ikke alle anførselstegn for at få filen til at se enklere ud.
Brug en parser, og undersøg de faktiske værdier
Hvis Python allerede er installeret, skal du gemme følgende som check_csv.py ved siden af input.csv. Kør python check_csv.py fra den mappe. Scriptet læser kun inputfilen. Det viser antal felter i hver post og gør indlejrede linjeskift synlige, så du kan se, om parseren beholdt en besked samlet.
import csv
with open("input.csv", encoding="utf-8", newline="") as source:
reader = csv.reader(source, delimiter=",", strict=True)
for record_number, fields in enumerate(reader, start=1):
print("Record", record_number, "fields:", len(fields))
for column, value in enumerate(fields, start=1):
print(" Column", column, repr(value))
Den første post er overskriften, så eksemplet ovenfor bør give tre poster i alt, hver med to felter. Den første databesked bør indeholde både Hello, friend og He said "yes". i ét felt. Scriptet er en opskrift på inspektion, ikke en påstand om, at det er kørt på din eksport. En afkodningsfejl betyder, at den antagne UTF-8-kodning skal undersøges; en CSV-parserfejl peger på filens anførselstegn eller dialekt. Ingen af delene begrunder automatisk fjernelse af ulæselige tegn.
Scriptet antager UTF-8; det er hverken en tegnkodningsdetektor eller et nyt testresultat. Giv hele filen til parseren i stedet for at kalde den for hver tekstlinje. Ved semikolonseparerede data skal separatoren tilpasses eksporten.
Kontrollér importen, før du erstatter originalen
Det afgrænser problemet til importmetoden frem for at bevise, at eksporten er defekt. Brug regnearkets funktion til tekst-/CSV-import, og undersøg forhåndsvisningen, før du indlæser. Tilpas separatoren til eksportørens indstilling, og sørg for, at ID'er forbliver tekst, hvis foranstillede nuller er vigtige. De præcise kontroller varierer med program og version. Importér først den samme lille testfil; eksperimentér ikke på den eneste kopi af et driftsregneark.
En vellykket import beholder beskeden i én celle, bevarer dens anførselstegn og linjeskift og lader alle andre kolonner stå under de rigtige overskrifter. Gem et særskilt resultat, og åbn det igen gennem den tiltænkte arbejdsgang. Et pænt gitter er ikke nok: Sammenlign hele værdien i den vanskelige celle. Hvis begge værktøjer afviser kilden, skal du bede eksportøren oplyse separator, tegnkodning og regler for anførselstegn, før du forsøger en reparation.
Hvis anførselstegnene faktisk er fejlformede, skal du beholde kilden og anmode om en korrekt eksport. Et løst anførselstegn kan betyde flere ting, så en universel reparation er usikker. En historisk rapport om Excel 2007 beskriver også forskelle mellem importmetoder; den fastslår ikke, hvordan en nutidig Excel-installation opfører sig. Afprøv én repræsentativ fil via præcis den importmetode, du vil bruge.

Kilder og relateret læsning
- Oprindeligt forklarende diagram
- Kommaer og linjeskift i anførselstegn giver problemer med cut
- Indlejret anførselstegn opretter et ekstra felt
- Rapport om parsing af fejlformet CSV
- Historisk rapport om Excel 2007
- Pythons dokumentation til CSV-dialekter og linjeskift
- Oprindelig visuel dokumentation
- Bevar foranstillede nuller og lange ID'er ved CSV-import
- Ret en CSV-fil, der åbner i én kolonne