Convertire TSV in CSV

Molti sistemi esportano file separati da tabulazioni e quasi nessuno li accetta. Console di analisi, piattaforme pubblicitarie, strumenti di laboratorio e client di database usano tutti la tabulazione perché i loro dati sono pieni di virgole; il CRM, lo strumento di mailing e il pacchetto contabile dall’altra parte hanno un campo etichettato “Carica CSV” e lo intendono letteralmente.

Rinominare il file vale trenta secondi perché una minoranza di importatori annusa il delimitatore invece di fidarsi dell’estensione, ed Excel è uno di questi. La maggioranza no. Dividono ogni riga sulle virgole, trovano una sola colonna dove ne aspettavano dodici, e rifiutano il file con un messaggio poco utile.

La conversione non è una ricerca e sostituzione di tabulazioni con virgole, e non deve esserlo. Un campo che legge “Berlino, Germania” contiene già il carattere che sta per diventare il delimitatore, quindi viene racchiuso tra virgolette doppie in uscita, e una virgoletta doppia dentro tale campo viene raddoppiata.

È corretto e universale, e allarma comunque chi apre il risultato in un editor di testo per la prima volta. Solo i campi che ne hanno bisogno vengono messi tra virgolette; il resto viene scritto senza, quindi un file dove una manciata di colonne indirizzo o descrizione sono tra virgolette e tutto il resto no è esattamente come appare un CSV ben formato.

L’unica debolezza di un file separato da tabulazioni è che occasionalmente una tabulazione finisce dentro un valore — incollata, digitata per errore, portata da un altro sistema — e il formato non ha modo naturale di esprimerla. Gli strumenti a valle che contano le tabulazioni vedono poi una colonna in più da quella riga in avanti.

Convertire in CSV rimuove il problema del tutto, perché la tabulazione non è più un delimitatore. Viene scritta direttamente nel campo senza bisogno di virgolette e senza ambiguità creata. Se un’esportazione separata da tabulazioni ha prodotto righe disallineate in uno strumento, questa conversione è una correzione legittima.

I valori che sembrano numerici vengono letti come numeri lungo il percorso, corretto per quantità e prezzi e sbagliato per codici. Un numero socio 00123 arriva nel CSV come 123, un numero di telefono senza spazi diventa un intero grande, e un riferimento scritto come 1e5 diventa 100000.

Il test è se sommare due valori della colonna significherebbe qualcosa. Codici postali, codici articolo, numeri di telefono e riferimenti account falliscono tutti questo test e appartengono al testo. Se l’esportazione è configurabile da voi, aggiungere un prefisso o esportare la colonna tra virgolette la mantiene intatta.

L’uscita è UTF-8 senza byte order mark. È la scelta giusta per script, importatori e controllo versione, ed è quella sbagliata per il doppio clic su Windows: senza marcatore all’inizio del file, Excel torna alla code page di sistema e un nome come Müller appare come Müller.

La correzione è importare piuttosto che aprire — Dati, poi Ottieni Dati, poi Da Testo/CSV, scegliendo 65001: Unicode (UTF-8) come origine. Excel legge poi correttamente il file e permette di impostare i tipi di colonna contemporaneamente.

Un CSV prodotto qui usa la virgola, la convenzione internazionale e ciò che quasi ogni importatore intende con quel nome. Excel installato in una localizzazione dove la virgola è il separatore decimale — Germania, Francia, Spagna, Brasile e gran parte del resto dell’Europa e del Sud America — non lo dividerà con un doppio clic, perché cerca punti e virgola.

È un problema di visualizzazione in un programma piuttosto che un difetto del file, e la stessa via di importazione Ottieni Dati lo risolve permettendo di nominare il delimitatore. Se il file è destinato a colleghi con quel tipo di Excel, convertire il TSV in XLSX invece è di nuovo la via più breve.

I nomi delle colonne passano esattamente come li ha scritti il TSV, inclusi spazi, unità o simboli. I moduli di caricamento sono tipicamente molto più pignoli: corrispondono a nomi esatti, o a un ordine fisso, oppure chiedono di mappare ogni colonna a mano nella pagina successiva.

Modificare l’intestazione è più facile prima della conversione che dopo, quando potrebbero essere comparse virgolette e la riga è più difficile da leggere. Se l’importatore mappa le colonne interattivamente, una buona intestazione fa comunque risparmiare tempo.

Ogni riga mantiene lo stesso numero di campi, quindi un valore vuoto resta un campo vuoto invece di sparire, e il file resta rettangolare. È ciò di cui ha bisogno un importatore per allineare affatto le colonne.

Cosa significhi un vuoto è decisione dell’importatore, non del file, ed è qui che un caricamento di contatti va storto. Molti sistemi trattano un campo vuoto in un aggiornamento come “imposta questo a niente” e cancelleranno un numero di telefono mai incluso nell’esportazione.

Entrambi i formati sono testo semplice, sia il lettore sia lo scrittore sono JavaScript ordinario, e la conversione avviene su questa pagina. Nessuna richiesta porta il file, quindi una lista di contatti o un’esportazione clienti non viene copiata a terzi mentre va verso quella che avete scelto davvero.

Nessun conteggio di righe viene controllato e nessun account è coinvolto; il tetto è 100 MB di file, cento file per trascinamento. Una tabella di decine di megabyte converte senza cerimonie.

Se la destinazione è una pipeline shell, uno script R o qualunque cosa divida su un carattere invece di analizzare le virgolette, l’originale separato da tabulazioni è il file migliore e la conversione è un passo indietro. Le virgolette sono esattamente la complicazione che quegli strumenti non gestiscono.

Tenete il TSV oltre al CSV quando l’esportazione è una fonte di verità. La conversione legge i valori come numeri dove sembrano numerici, quindi il CSV non è una copia senza perdita dell’originale, e avere l’esportazione intatta a cui tornare non costa nulla.