Chuyển đến nội dung
FrAIFlow

Giải pháp / CSV và bảng tính

Phân tích dấu phẩy, ngoặc kép và xuống dòng CSV an toàn

Lời nhắn khách hàng chứa một dấu phẩy và một dấu xuống dòng. Tệp xuất trông dễ đọc, nhưng công cụ tiếp theo thêm dòng hoặc làm lệch cột. Tệp có thể vẫn là CSV hợp lệ: trường trong ngoặc kép được phép chứa cả hai ký tự. Tách tại mọi dấu phẩy hay xuống dòng sẽ phá cấu trúc đó.

Dấu phẩy nằm bên trong lời nhắn
Hình giải thích do tác giả tạo dựa trên ví dụ được lưu lại; không phải ảnh chụp ứng dụng.

Bắt đầu bằng bản sao nhỏ của tệp xuất có vấn đề

Nếu lời nhắn tràn sang hàng tiếp theo, đừng bắt đầu bằng việc xóa dấu xuống dòng. Bạn có thể xóa mất một phần địa chỉ hoặc yêu cầu hỗ trợ. Giữ tệp gốc, rồi chép tiêu đề và hai hoặc ba bản ghi hoàn chỉnh sang tệp thử riêng. Chọn bản ghi có dấu phẩy, có ngoặc kép và có xuống dòng. Dùng dữ liệu giả nếu cần chia sẻ.

Mở bản sao bằng trình soạn thảo văn bản thuần, không chỉ bảng tính. Tìm ngoặc kép mở trước trường gây lỗi và theo đến ngoặc đóng. Xuống dòng trong cặp đó thuộc về trường. Hai ngoặc kép liền nhau bên trong biểu diễn một ký tự ngoặc kép thật; không nhất thiết kết thúc trường. Vì vậy tệp có thể hiện bốn dòng trên màn hình mà không chứa bốn bản ghi.

Vì sao một lời nhắn thành nhiều dòng?

Một báo cáo công khai về lệnh shell cho thấy cut không thể trích cột đáng tin cậy từ loại tệp này. Trong mẫu tổng hợp được lưu, PowerShell 7.6.9 phân tích hai bản ghi dữ liệu và giữ chính xác lời nhắn đầu, gồm CRLF và từ trong ngoặc kép. Đó là kết quả bộ phân tích, không phải thử nghiệm mọi trình nhập bảng tính.

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

Có bốn dòng vật lý tính cả tiêu đề nhưng chỉ hai bản ghi dữ liệu. Ngoặc kép lặp đôi biểu diễn ký tự ngoặc kép thật trong lời nhắn được bao ngoặc. Đừng xóa tất cả ngoặc kép chỉ để tệp trông đơn giản hơn.

So sánh giá trị sau phân tích
Hình giải thích do tác giả tạo dựa trên ví dụ được lưu lại; không phải ảnh chụp ứng dụng.

Chạy bộ phân tích và kiểm tra giá trị thực

Nếu đã cài Python, lưu đoạn dưới thành check_csv.py cạnh input.csv. Chạy python check_csv.py từ thư mục đó. Script chỉ đọc đầu vào. Nó in số trường mỗi bản ghi và làm hiện rõ ký tự xuống dòng nhúng, giúp bạn biết bộ phân tích có giữ nguyên lời nhắn hay không.

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))

Bản ghi đầu là tiêu đề, nên ví dụ trên phải cho tổng cộng ba bản ghi, mỗi bản ghi có hai trường. Lời nhắn dữ liệu đầu phải chứa cả Hello, friend và He said "yes". trong cùng một trường. Script là cách kiểm tra được hướng dẫn, không phải tuyên bố đã chạy với tệp của bạn. Lỗi giải mã nghĩa là cần xem lại giả định UTF-8; lỗi phân tích CSV hướng tới ngoặc kép hoặc biến thể định dạng. Không lỗi nào là lý do để tự động loại bỏ ký tự không đọc được.

Nguồn CSV và bản ghi phân tích được đặt cạnh nhau theo trình tự: lời nhắn hai dòng trong ngoặc kép vẫn là một trường.
Hình giải thích trước-sau tự tạo, dùng mẫu CSV tổng hợp đã kiểm tra bằng Python. Không phải ảnh chụp bảng tính. Mở ảnh để xem đầy đủ chi tiết.

Script giả định UTF-8; nó không phát hiện bảng mã và không phải kết quả thử mới. Đưa cả tệp vào bộ phân tích thay vì gọi riêng cho từng dòng văn bản. Với dữ liệu phân cách bằng chấm phẩy, đặt delimiter cho khớp tệp xuất.

Kiểm tra lần nhập trước khi thay bản gốc

Điều đó khoanh vùng vấn đề vào cách nhập thay vì chứng minh tệp xuất hỏng. Dùng chức năng nhập văn bản/CSV của bảng tính và xem bản xem trước khi tải. Chọn phân cách đúng thiết lập bên tạo tệp, giữ mã định danh dạng văn bản nếu số 0 đầu quan trọng. Tùy chọn cụ thể thay đổi theo ứng dụng và phiên bản. Nhập tệp thử nhỏ trước; đừng thử trên bản duy nhất của bảng đang sử dụng.

Nhập thành công phải giữ lời nhắn trong một ô, giữ ngoặc kép và xuống dòng, đồng thời đặt mọi cột khác dưới đúng tiêu đề. Lưu kết quả riêng rồi mở lại theo quy trình dự kiến. Bảng gọn đẹp chưa đủ: đối chiếu toàn bộ giá trị của ô khó xử lý. Nếu cả hai công cụ từ chối nguồn, hỏi bên xuất về phân cách, bảng mã và quy tắc ngoặc kép trước khi sửa.

Nếu ngoặc kép thực sự sai, giữ nguồn và yêu cầu xuất sạch lại. Một dấu ngoặc thừa có thể mang nhiều ý nghĩa, nên sửa tự động chung không an toàn. Báo cáo cũ về Excel 2007 cũng mô tả khác biệt giữa các cách nhập; nó không xác lập hành vi của Excel hiện nay. Hãy thử một tệp đại diện qua đúng cách nhập bạn sẽ dùng.

Mẫu CSV có bốn dòng vật lý tính cả tiêu đề nhưng chỉ hai bản ghi dữ liệu logic; lời nhắn đầu giữ dấu phẩy, xuống dòng và từ trong ngoặc kép.
Hình giải thích gốc được giữ lại.
Kết quả thử nghiệm tổng hợp đã ghi cho việc phân tích dấu phẩy, ngoặc kép và xuống dòng CSV an toàn
Kết quả PowerShell ConvertFrom-Csv đã ghi cho trường tổng hợp nhiều dòng trong ngoặc kép. Đây là ảnh chụp đầu ra thử nghiệm đã ghi, không phải ứng dụng của người báo lỗi ban đầu. Mở ảnh bằng chứng đầy đủ kích thước.

Nguồn và bài đọc liên quan