Siirry sisältöön
FrAIFlow

Ratkaisut / CSV ja laskentataulukot

Käsittele CSV:n pilkut, lainausmerkit ja rivinvaihdot turvallisesti

Asiakkaan viestissä on pilkku ja rivinvaihto. Vienti näyttää luettavalta, mutta seuraava työkalu lisää rivin tai siirtää sarakkeen. CSV voi silti olla kelvollinen: lainausmerkeillä rajattu kenttä saa sisältää molemmat merkit. Jakaminen jokaisen pilkun tai rivinvaihdon kohdalta hävittää tämän rakenteen.

Pilkku on viestin sisällä
Tekijän laatima, säilytettyyn esimerkkiin perustuva havainnekuva; ei sovelluksen kuvakaappaus.

Aloita pienestä ongelmallisen viennin kopiosta

Jos viesti on siirtynyt seuraavalle riville, älä aloita poistamalla rivinvaihtoa. Se voi hävittää osan asiakkaan osoitteesta tai tukipyynnöstä. Säilytä alkuperäinen vienti ja kopioi otsikko sekä kaksi tai kolme kokonaista tietuetta erilliseen testitiedostoon. Sisällytä pilkun, lainausmerkin ja rivinvaihdon sisältävät tietueet. Käytä keksittyjä arvoja, jos jaat esimerkin.

Avaa kopio tekstieditorissa, älä pelkästään taulukkolaskennassa. Etsi ongelmakentän avaava lainausmerkki ja sitä vastaava sulkeva merkki. Niiden välinen rivinvaihto kuuluu kenttään. Kaksi peräkkäistä lainausmerkkiä kentän sisällä tarkoittaa yhtä kirjaimellista lainausmerkkiä; ne eivät välttämättä päätä kenttää. Siksi tiedosto voi näyttää näytöllä neljältä riviltä sisältämättä neljää tietuetta.

Miksi yksi viesti näkyy usealla rivillä

Julkisessa komentorivitapauksessa cut ei pystynyt luotettavasti poimimaan saraketta tällaisesta tiedostosta. Säilytetyssä synteettisessä aineistossa PowerShell 7.6.9 jäsensi kaksi tietuetta ja säilytti ensimmäisen viestin täsmälleen CRLF-rivinvaihtoineen ja lainattuine sanoineen. Tämä on jäsentimen tulos, ei kaikkien taulukkolaskentatuontien testi.

id,message
001,"Hello, friend
He said ""yes""."
002,Plain

Fyysisiä rivejä on otsikko mukaan lukien neljä, mutta tietueita vain kaksi. Kaksinkertaiset lainausmerkit esittävät lainatun viestin sisäisiä kirjaimellisia lainausmerkkejä. Älä poista kaikkia lainausmerkkejä vain ulkoasun yksinkertaistamiseksi.

Vertaa arvoja jäsentämisen jälkeen
Tekijän laatima, säilytettyyn esimerkkiin perustuva havainnekuva; ei sovelluksen kuvakaappaus.

Suorita jäsennin ja tarkista todelliset arvot

Jos Python on jo asennettu, tallenna seuraava nimellä check_csv.py tiedoston input.csv viereen. Suorita python check_csv.py kyseisestä kansiosta. Skripti vain lukee syötteen. Se tulostaa kenttien määrän jokaisessa tietueessa ja näyttää sisäiset rivinvaihtomerkit, jotta näet, säilyikö viesti yhtenä kokonaisuutena.

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))

Ensimmäinen tietue on otsikko, joten yllä olevan esimerkin pitäisi tuottaa yhteensä kolme tietuetta, joissa jokaisessa on kaksi kenttää. Ensimmäisen dataviestin pitäisi sisältää sekä Hello, friend että He said "yes". samassa kentässä. Skripti on tarkistusohje, ei väite siitä, että sitä olisi ajettu sinun vientiisi. Dekoodausvirhe edellyttää oletetun UTF-8-koodauksen tutkimista; CSV-jäsennysvirhe viittaa lainausmerkkeihin tai CSV-muodon asetuksiin. Kumpikaan ei oikeuta lukukelvottomien merkkien automaattiseen poistamiseen.

CSV-lähde ja jäsennetyt tietueet rinnakkain: kaksirivinen lainattu viesti säilyy yhtenä kenttänä.
Tekijän laatima ennen–jälkeen-selitys Pythonilla tarkistetusta synteettisestä CSV-aineistosta. Ei taulukkolaskentaohjelman kuvakaappaus. Avaa kuva täysikokoisena.

Skripti olettaa UTF-8:n. Se ei tunnista merkistökoodausta eikä ole uusi testitulos. Syötä koko tiedosto jäsentimelle sen sijaan, että kutsuisit sitä jokaiselle tekstiriville erikseen. Puolipiste-erotellussa tiedostossa aseta erotin vientiä vastaavaksi.

Tarkista tuonti ennen alkuperäisen korvaamista

Tämä rajaa ongelman tuontitapaan eikä todista viennin olevan rikki. Käytä taulukkolaskennan teksti-/CSV-tuontia ja tarkista esikatselu ennen lataamista. Valitse tuottajan asetusta vastaava erotin ja säilytä tunnisteet tekstinä, jos etunollat merkitsevät. Säätimet riippuvat ohjelmasta ja versiosta. Tuo ensin sama pieni testitiedosto; älä kokeile tuotantotaulukon ainoalla kopiolla.

Onnistunut tuonti pitää viestin yhdessä solussa, säilyttää lainausmerkit ja rivinvaihdon sekä jättää muut sarakkeet oikeiden otsikoiden alle. Tallenna erillinen tulos ja avaa se uudelleen aiotulla työnkululla. Siisti ruudukko ei riitä: vertaa hankalan solun koko arvoa. Jos molemmat työkalut hylkäävät lähteen, pyydä viejältä erotin-, merkistökoodaus- ja lainausmerkkisäännöt ennen korjaamista.

Jos lainausmerkit ovat todella virheellisiä, säilytä lähde ja pyydä puhdas vienti. Irrallinen lainausmerkki voi tarkoittaa useita asioita, joten yleiskorjaus on vaarallinen. Historiallinen Excel 2007 -raportti kuvaa myös tuontitapojen eroja, mutta ei osoita nykyisen Excel-asennuksen toimintaa. Testaa edustava tiedosto täsmälleen sillä tuontitavalla, jota aiot käyttää.

CSV-testitiedostossa on otsikko mukaan lukien neljä fyysistä riviä mutta kaksi loogista tietuetta. Ensimmäinen viesti säilyttää pilkkunsa, rivinvaihtonsa ja lainatun sanansa.
Säilytetty alkuperäinen selitys.
Synteettisen testin tallennettu tulos CSV:n pilkkujen, lainausmerkkien ja rivinvaihtojen turvallisesta käsittelystä
PowerShellin ConvertFrom-Csv:n tallennettu tulos synteettisestä lainatusta monirivisestä kentästä. Kuva esittää tallennettua testitulosta, ei alkuperäisen ilmoittajan sovellusta. Avaa täysikokoinen testikuva.

Lähteet ja lisälukeminen