CSV को XLSX में बदलें

CSV एक टेक्स्ट फ़ाइल है। उसमें मान होते हैं और अलगाव के चिह्न, और कुछ नहीं — न प्रकार, न सजावट, न यह संकेत कि कोई कॉलम असल में क्या है। जब Excel उसे खोलता है, तो पढ़ते-पढ़ते यह सब अंदाज़े से तय करता है, और अंदाज़े कॉलम-दर-कॉलम लगते हैं, बिना यह जाने कि आँकड़े किस काम के हैं।

ये अंदाज़े कुख्यात रूप से नुक़सानदेह हैं। 01234 पिन कोड 1234 रह जाता है। 0071 उत्पाद कोड 71 बन जाता है। सोलह अंकों का खाता नंबर 1.23457E+15 हो जाता है और कुछ संस्करणों में इस तरह गोल कर दिया जाता है कि असली अंक वापस नहीं मिलते। जो कुछ भी तारीख़ जैसा दिखता है वह तारीख़ बन जाता है — इसी तरह SEPT2 नाम का एक जीन 2 सितंबर बन गया था, और यह समस्या इतनी गंभीर थी कि आनुवंशिकीविदों ने स्प्रेडशीट से लड़ते रहने के बजाय अपने जीनों के नाम ही बदल दिए।

XLSX एक ऐसी स्प्रेडशीट है जिसमें प्रकार पहले ही तय हो चुके हैं। हर ख़ाना अपने साथ यह लिए चलता है कि वह पाठ है या संख्या, इसलिए Excel फ़ाइल को समझने की कोशिश नहीं करता, बस खोल देता है — और जो मान आप देखते हैं वही मान लिखे गए थे।

यहाँ का रूपांतरण CSV को एक बार पढ़ता है, हर मान को सबूत के आधार पर तय करता है, और उसे जो वह है वही लिखकर रखता है। जो निस्संदेह संख्या है वह संख्या बनती है; जो नहीं है वह पाठ ही रहता है, आगे लगे शून्यों समेत। यह जादू नहीं है और अंकों वाले उस कॉलम के बारे में आपका मन नहीं पढ़ सकता जो दोनों में से कुछ भी हो सकता है — पर यह फ़ैसला एक बार, सामने, ले लेता है, बजाय इसके कि वह एक इम्पोर्ट डायलॉग के भरोसे छोड़ दिया जाए जिसका जवाब हर आदमी अलग देगा।

CSV की आधी तकलीफ़ अलगाव-चिह्न की है। रूप का नाम अल्पविराम पर पड़ा है और अक्सर उसमें अल्पविराम होता ही नहीं: यूरोपीय भाषाओं के लिए सेट किए गए सिस्टम से निकली फ़ाइलें आम तौर पर सेमीकोलन इस्तेमाल करती हैं, क्योंकि वहाँ अल्पविराम पहले से दशमलव का काम कर रहा होता है।

ऐसी फ़ाइल को अल्पविराम की उम्मीद में खोलिए और हर पंक्ति एक ही कॉलम में जा गिरेगी। यहाँ अलगाव-चिह्न फ़ाइल से ही पहचाना जाता है, जिससे आम मामले सध जाते हैं, और अगर पहचान ग़लत निकली तो नतीजे के नीचे दी गई सेटिंग में उसे आप ख़ुद तय कर सकते हैं — दोबारा बदलिए, एक पल में काम हो जाता है। टैब को भी इसी तरह सँभाला जाता है, जिससे वे फ़ाइलें भी चल जाती हैं जो असल में TSV हैं पर नाम .csv लिए घूम रही हैं।

हद के बारे में साफ़ रहना ठीक है। सजावट, रंग, कॉलम की चौड़ाई, जमे हुए पैन, सूत्र, चार्ट, फ़िल्टर और कई शीट — इनमें से कुछ भी रूपांतरण में नहीं बचता, क्योंकि ये फ़ाइल में कभी थे ही नहीं। CSV मानों की एक जाली रखता है; बाक़ी सब जो स्प्रेडशीट को स्प्रेडशीट बनाता है, बनावट से ही ग़ैरहाज़िर है।

आपको मिलती है एक साफ़, एक-शीट वाली वर्कबुक जिसमें आपके आँकड़े सही प्रकार के साथ बैठे हैं — और शुरुआत के लिए यही सही जगह है। Excel में सजावट एक मिनट का काम है; तीन क़दम पहले जिन पिन कोडों के आगे के शून्य गिर गए, उन्हें वापस लाना कहीं ज़्यादा लंबा काम है।

देखिए कि CSV में आम तौर पर होता क्या है। ग्राहकों के ब्योरे, ऑर्डर का इतिहास, वेतन की सूचियाँ, मेलिंग लिस्ट, किसी CRM या दुकान से निकाला गया डेटा। यह लगभग उसी की परिभाषा है जिसे किसी ऐसी कंपनी को नहीं सौंपना चाहिए जो आपको खोज के नतीजे में मिली हो।

यह रूपांतरण पूरी तरह आपके ब्राउज़र में होता है: पढ़ने वाला और वर्कबुक लिखने वाला, दोनों वही JavaScript हैं जो इस पन्ने ने उतारे, और फ़ाइल आपकी डिस्क से सीधे आपके ही टैब में पढ़ी जाती है। कुछ भेजा नहीं जाता, और इस पर भरोसा करने के बजाय आप इसे जाँच सकते हैं — डेवलपर टूल खोलिए, नेटवर्क टैब देखिए, और कुछ बदलकर देखिए। इसका यह भी मतलब है कि अपलोड की थोपी हुई कोई आकार-सीमा नहीं है और दूसरों की क़तार में लगना नहीं पड़ता।

CSV के टूटकर आने का दूसरा रास्ता एन्कोडिंग है। UTF-8 में लिखी फ़ाइल को किसी पुराने कोड पेज से पढ़िए तो अक्षर चिह्नों के जोड़ों में बदल जाते हैं; उल्टा पढ़िए तो वे पूरी तरह ग़ायब हो जाते हैं।

भरोसे की पहचान कोई जाना-पहचाना शब्द है। देवनागरी में यह और भी जल्दी पकड़ में आता है, क्योंकि ग़लत एन्कोडिंग में हिंदी पाठ पहचानने लायक़ भी नहीं बचता — वह सीधे प्रश्नचिह्नों या बेतुके चिह्नों की क़तार बन जाता है। ऐसा दिखे तो सूचना पहले ही जा चुकी है और निर्यात दोबारा करना होगा। यह पन्ना UTF-8 पढ़ता है, जो आजकल लगभग हर निर्यात से निकलता है।

XLSX की पक्की सीमा है: हर शीट में 10,48,576 पंक्तियाँ और 16,384 कॉलम। CSV की कोई सीमा है ही नहीं, इसलिए यह पूरी तरह मुमकिन है कि आपके हाथ में ऐसी फ़ाइल हो जो एक शीट में समा ही न सके।

अगर आपका निर्यात पंक्तियों की सीमा से ऊपर है, तो स्प्रेडशीट ग़लत मंज़िल है — यह कोई छोटी अड़चन नहीं जिसे किनारे से निकाला जाए। इतने आँकड़े किसी डेटाबेस या Parquet फ़ाइल की माँग करते हैं, और यहाँ बदलने का मतलब सिर्फ़ इतना होगा कि दस लाख से आगे का सब कुछ छूट जाए।

पहली पंक्ति शीट की शीर्षक-पंक्ति बन जाती है। न कुछ नाम बदला जाता है न सँवारा जाता है, इसलिए निर्यात ने अपने कॉलमों को जो कहा था वही आपको मिलता है।

बदलने से पहले तीस सेकंड इस पर लगाना सार्थक है, क्योंकि शीर्षक लोगों की उम्मीद से कहीं दूर तक जाते हैं: पिवट टेबल, चार्ट की लेजेंड और आगे का हर इम्पोर्ट इन्हीं को बरतेगा। col_7 नाम के कॉलम को CSV में सुधारना पल भर का काम है, और वह सुधार फ़ाइल की हर नक़ल से ज़्यादा टिकता है।

जितने चाहें उतने CSV छोड़ दीजिए। हर एक अपनी अलग वर्कबुक बनता है और सब मिलकर ZIP में लौटते हैं। इन्हें कई शीट वाली एक वर्कबुक में जोड़ा नहीं जाता, क्योंकि तब यह तय करना पड़ता कि कौन-सी फ़ाइल कौन-सी शीट है और किस क्रम में।

अगर आपको सचमुच कई शीट वाली एक ही वर्कबुक चाहिए, तो इन्हें अलग-अलग बदलिए और बाद में Excel में शीटें एक साथ ले आइए। इस तरह जोड़ने का फ़ैसला आपका होगा, किसी कन्वर्टर का आपकी तरफ़ से लिया हुआ नहीं।