Converter TSV para CSV

Muitos sistemas exportam arquivos separados por tabulação e quase nenhum aceita. Painéis de análise, plataformas de anúncio, instrumentos de laboratório e clientes de banco de dados recorrem à tabulação porque o dado deles está cheio de vírgulas; o CRM, a ferramenta de e-mail marketing e o sistema de contabilidade do outro lado têm um campo escrito "Enviar CSV" e falam sério.

Renomear o arquivo vale trinta segundos porque uma minoria dos importadores detecta o delimitador em vez de confiar na extensão, e o Excel é um deles. A maioria não. Eles dividem cada linha nas vírgulas, encontram uma coluna só onde esperavam doze, e ou recusam o arquivo com uma mensagem inútil ou importam cada linha num campo único, o que é pior porque parece que funcionou.

A conversão não é uma busca e substituição de tabulações por vírgulas, e não pode ser. Um campo lendo "Berlim, Alemanha" já contém o caractere prestes a virar o delimitador, então ele é envolvido em aspas duplas na saída, e uma aspa dupla dentro desse campo é dobrada.

Isso é correto e universal, e ainda assim alarma quem abre o resultado num editor de texto pela primeira vez. Só os campos que precisam são citados; o resto é gravado sem aspas, então um arquivo em que alguns campos de endereço ou descrição têm aspas e o resto não é exatamente o que um CSV bem formado parece. Qualquer importador que vale a pena enviar reconhece essa convenção. Um que não reconheça é um sinal para procurar um caminho de importação diferente em vez de remover as aspas.

A única fraqueza de um arquivo separado por tabulação é que uma tabulação ocasionalmente acaba dentro de um valor — colada, digitada por acidente, herdada de outro sistema — e o formato não tem jeito natural de expressar isso. Ferramentas adiante que contam tabulações veem uma coluna extra a partir dessa linha em diante.

Converter para CSV remove esse problema completamente, porque a tabulação deixa de ser um delimitador. Ela é gravada direto no campo, sem precisar de aspas e sem criar ambiguidade. Se uma exportação separada por tabulação vem produzindo linhas desalinhadas numa ferramenta, esta conversão é um conserto legítimo, não uma gambiarra, e vale saber que a corrupção estava na escolha do delimitador, não no dado.

Valores com cara de número são lidos como números na passagem, o que é certo para quantidades e preços e errado para códigos. Um número de sócio 00123 chega no CSV como 123, um telefone sem espaços vira um número inteiro grande, e uma referência escrita como 1e5 vira 100000.

O teste é se somar dois valores dessa coluna significaria alguma coisa. CEP, código de peça, telefone e número de conta reprovam todos e pertencem ao texto. Se a exportação é sua para configurar, adicionar um prefixo ou exportar a coluna entre aspas mantém ela intacta. Se não é, olhe essa coluna no arquivo convertido antes de enviar, porque um formulário de importação vai aceitar 123 onde deveria ter recebido 00123 e associar isso ao registro errado sem avisar.

A saída é UTF-8 sem marca de ordem de byte. Essa é a escolha certa para scripts, importadores e controle de versão, e a errada para clicar duas vezes no Windows: sem marca no início do arquivo, o Excel recorre à página de código do sistema, e um nome como Müller aparece como Müller.

O conserto é importar em vez de abrir — Dados, depois Obter Dados, depois De Texto/CSV, escolhendo 65001: Unicode (UTF-8) como origem. O Excel então lê o arquivo corretamente e deixa você definir os tipos de coluna ao mesmo tempo, que também é o momento de marcar colunas de identificador como texto. Se o destino é realmente uma planilha, e não um formulário de importação, converter o TSV para XLSX em vez disso evita a questão inteira, já que uma planilha carrega a codificação e os tipos dentro dela.

Um CSV produzido aqui usa vírgula, que é a convenção internacional e o que quase todo importador entende pelo nome. O Excel instalado numa configuração regional em que a vírgula é o separador decimal — Brasil, e boa parte da Europa e da América do Sul — não divide o arquivo com um clique duplo, porque está procurando ponto e vírgula.

Isso é um problema de exibição de um programa, não um defeito do arquivo, e o mesmo caminho de importação por Obter Dados resolve isso deixando você nomear o delimitador. Se o arquivo é destinado a colegas usando esse tipo de Excel em vez de a um sistema, converter o TSV para XLSX de novo é o caminho mais curto: contorna o delimitador, a codificação e o separador decimal num passo só.

Os nomes das colunas atravessam exatamente como o TSV gravou eles, incluindo qualquer espaço, unidade ou símbolo. Formulários de importação costumam ser bem mais exigentes que isso: eles casam por nomes exatos, ou por uma ordem fixa, ou pedem para você mapear cada coluna à mão na próxima tela.

Editar o cabeçalho é mais fácil antes da conversão do que depois, quando aspas podem ter aparecido e a linha fica mais difícil de ler. Se o importador mapeia colunas de forma interativa, um bom cabeçalho ainda economiza tempo, porque a tela de mapeamento mostra os nomes e um valor de amostra e nada mais. Duas colunas chamadas `data` vão parecer idênticas ali.

Toda linha mantém a mesma quantidade de campos, então um valor vazio continua como um campo vazio em vez de desaparecer, e o arquivo continua retangular. Isso é o que um importador precisa para conseguir alinhar as colunas de todo.

O que um branco significa é decisão do importador, não do arquivo, e é aqui que um envio de contatos dá errado. Muitos sistemas tratam um campo vazio numa atualização como "defina isto como nada" e vão limpar um telefone que simplesmente não estava incluído na exportação. Se o arquivo está atualizando registros existentes em vez de criar novos, confira a regra da ferramenta para campos em branco antes de enviar, e remova as colunas que você não pretende mudar.

Os dois formatos são texto puro, tanto o leitor quanto o gravador são JavaScript comum, e a conversão acontece nesta página. Nenhum pedido carrega o arquivo, então uma lista de contatos ou uma exportação de clientes não é copiada para terceiros a caminho de onde você realmente escolheu enviar.

Nenhuma contagem de linhas é conferida e nenhuma conta está envolvida; o teto é 100 MB de arquivo, cem arquivos por envio. Uma tabela de dezenas de megabytes converte sem cerimônia, e uma que passa de 100 MB é quase certamente grande demais também para o formulário de importação, e precisa ser dividida de qualquer forma.

Se o destino é um pipeline de shell, um script em R ou qualquer coisa que divide por um caractere em vez de interpretar aspas, o original separado por tabulação é o arquivo melhor, e a conversão é um passo para trás. Citação é exatamente a complicação que essas ferramentas não conseguem tratar.

Guarde o TSV além do CSV quando a exportação é uma fonte de registro. A conversão lê valores como números onde parecem numéricos, então o CSV não é uma cópia sem perdas do original, e ter a exportação intocada para voltar a ela não custa nada e já salvou muitas tardes.