TSV को CSV में बदलें

कई तंत्र tab-separated फ़ाइल निर्यात करते हैं और लगभग कोई उसे स्वीकार नहीं करता। Analytics कंसोल, विज्ञापन मंच और डेटाबेस क्लाइंट tab इसलिए चुनते हैं क्योंकि उनका डेटा कॉमा से भरा है; दूसरी तरफ़ CRM और अकाउंटिंग पैकेज पर "Upload CSV" लिखा फ़ॉर्म शब्दशः वही माँगता है।

नाम बदलना आधे मिनट का प्रयास तो है — Excel जैसे कुछ औज़ार delimiter सूँघ लेते हैं। ज़्यादातर नहीं करते: वे कॉमा पर लाइन तोड़ते हैं, एक ही कॉलम पाते हैं, और फ़ाइल नकार देते हैं या हर पंक्ति पहले खाने में भर देते हैं।

यह बदलाव tab को कॉमा से बदलना भर नहीं है, और यह उससे कहीं ज़्यादा सावधान है। "Berlin, Germany" पढ़ने वाला खाना पहले से वही अक्षर रखता है जो अब delimiter बनने वाला है, इसलिए वह दोहरे उद्धरण में लपेट दिया जाता है।

यह सही और सार्वभौमिक है, फिर भी टेक्स्ट एडिटर में पहली बार देखने पर चौंकाता है। सिर्फ़ ज़रूरी खाने उद्धृत होते हैं, बाक़ी सादे लिखे जाते हैं — यही एक सही ढंग से बनी CSV की पहचान है।

tab-separated फ़ाइल की एक कमज़ोरी है — कभी-कभी tab किसी मान के अंदर ही आ जाता है, और फ़ॉर्मेट के पास उसे बताने का कोई तरीक़ा नहीं। इससे आगे के औज़ार उस लाइन से एक अतिरिक्त कॉलम देखने लगते हैं।

CSV में बदलना यह दिक़्क़त पूरी तरह हटा देता है, क्योंकि tab अब delimiter नहीं रहता। यह किसी tab-separated निर्यात की गड़बड़ी का सचमुच का इलाज है, वर्कअराउंड नहीं।

जो मान अंकों जैसे दिखते हैं वे रास्ते में संख्या मानकर पढ़े जाते हैं, जो मात्रा के लिए सही है और कोड के लिए ग़लत। 00123 सदस्य-संख्या यहाँ 123 बनकर आती है, बिना जगह वाला फ़ोन नंबर एक बड़ा पूर्णांक बन जाता है।

जाँच यह है: क्या उस कॉलम के दो मान जोड़ने से कोई मतलब निकलता है। पिनकोड, फ़ोन नंबर, संदर्भ-कोड इस जाँच में नाकाम होते हैं और सबको टेक्स्ट के रूप में रहना चाहिए।

आउटपुट बिना byte order mark के UTF-8 में लिखा जाता है, जो स्क्रिप्ट, importer और version control के लिए सही चुनाव है और Windows पर डबल-क्लिक के लिए ग़लत — बिना निशान के Excel सिस्टम कोड-पेज पर लौट सकता है और Müller जैसा नाम बिगड़ जाता है।

इलाज है खोलने के बजाय import करना — Data, फिर Get Data, फिर From Text/CSV, और UTF-8 चुनना। अगर मंज़िल सचमुच स्प्रेडशीट है, तो TSV को XLSX में बदलना यह पूरा सवाल ही हटा देता है।

यहाँ बनी CSV कॉमा इस्तेमाल करती है, जो अंतरराष्ट्रीय परंपरा है। जिस Excel में कॉमा दशमलव-चिह्न है — भारत के बाहर कई देशों में — वह डबल-क्लिक पर इसे नहीं तोड़ेगा, क्योंकि वह सेमीकोलन ढूँढ रहा होता है।

यह फ़ाइल का दोष नहीं, किसी एक प्रोग्राम की दिखावट की बात है। वही Get Data रास्ता delimiter नाम देकर इसे सुलझा देता है।

कॉलम के नाम TSV में जैसे लिखे थे वैसे ही आते हैं, स्पेस और चिह्न समेत। Import फ़ॉर्म आमतौर पर इससे कहीं ज़्यादा सख़्त होते हैं — वे पूरा नाम मिलाते हैं या क्रम पर निर्भर रहते हैं।

हेडर बदलना conversion से पहले करना आसान है, बाद में नहीं, जब उद्धरण-चिह्न आ चुके हों और लाइन पढ़ना मुश्किल हो जाए।

हर पंक्ति उतने ही खाने रखती है, इसलिए ख़ाली मान ख़ाली खाना बनकर रहता है, ग़ायब नहीं होता — फ़ाइल आयताकार बनी रहती है, जो कॉलम मिलाने के लिए ज़रूरी है।

ख़ाली का मतलब क्या है, यह importer का फ़ैसला है, फ़ाइल का नहीं। कई तंत्र किसी update में ख़ाली खाने को "इसे मिटा दें" मानते हैं और मौजूदा फ़ोन नंबर हटा सकते हैं।

दोनों फ़ॉर्मेट सादा टेक्स्ट हैं, और यह बदलाव इसी पेज पर होता है। कोई अनुरोध फ़ाइल नहीं ले जाता, इसलिए कोई संपर्क-सूची या ग्राहक-निर्यात रास्ते में किसी तीसरे पक्ष तक नहीं पहुँचता।

सीमा है 100 मेगाबाइट फ़ाइल और एक ड्रॉप में सौ फ़ाइलें। दसियों मेगाबाइट की टेबल बिना दिक़्क़त बदल जाती है।

अगर मंज़िल कोई shell पाइपलाइन या R स्क्रिप्ट है जो उद्धरण नहीं, बस चिह्न पर तोड़ती है, तो tab-separated असली फ़ाइल बेहतर है और यह बदलाव एक क़दम पीछे है।

TSV को CSV के साथ भी रखिए जब निर्यात रिकॉर्ड का स्रोत हो। यह बदलाव अंकों जैसे मान को संख्या मानकर पढ़ता है, इसलिए CSV बिना नुक़सान की प्रति नहीं है।