CSV-Escaping korrigieren

1. 1

   CSV hinzufügen

   Legen Sie eine .csv-, .tsv-, .txt- oder .psv-Datei ab oder wählen Sie sie aus, oder fügen Sie den Text ein. Trennzeichen, Anführungszeichen und Kodierung werden aus der Datei erkannt; überschreiben Sie eines davon, wenn die Erkennung danebenliegt.

2. 2

   Problembericht lesen

   Jedes gefundene Problem wird mit Anzahl und betroffenen Zeilennummern aufgeführt, unabhängig davon, ob der zugehörige Schalter an ist. Escapte Quotes, Zeilenumbrüche, nicht geschlossene Quotes, ungleiche Zeilen, BOM, gemischte Zeilenenden, typografische Anführungszeichen und unsichtbare Zeichen.

3. 3

   Reparaturen wählen

   Entscheiden Sie, wie ungleich breite Zeilen behandelt werden: belassen, kurze auffüllen, lange kürzen, überzählige Felder in die letzte Spalte zusammenführen oder alles Abweichende aussortieren. Schalten Sie dann die gewünschte Bereinigung ein und legen Sie Trennzeichen, Quoting und Zeilenende der Ausgabe fest.

4. 4

   Reparieren, Vergleich prüfen, herunterladen

   Jede geänderte Zeile ist in der Vorschau hervorgehoben, und beim Überfahren erscheint die ursprüngliche Zeile. Laden Sie die reparierte Datei herunter oder kopieren Sie sie. Nichts wird zu irgendeinem Zeitpunkt hochgeladen.

Eine CSV, die sich nicht importieren lässt, ist selten beschädigt: Sie ist uneinheitlich gequotet, ihre Zeilen sind unterschiedlich breit, oder sie ist in einer Kodierung geschrieben, die der Leser falsch geraten hat. Dieses Werkzeug liest die Datei so, wie es ein strenger Parser tut, nennt Ihnen jedes Strukturproblem mit Zeilennummern, lässt Sie über jedes einzeln entscheiden und schreibt die Datei so zurück, dass das nächste Programm liest, was Sie gemeint haben.

• Escapte Quotes und Zeilenumbrüche überleben — Ein doppeltes Anführungszeichen in einem gequoteten Feld ist ein wörtliches Zeichen, und ein Zeilenumbruch darin gehört zum Feld, nicht zur Datei. Beides bleibt erhalten und wird in der Ausgabe korrekt neu escapt.
• Ein Bericht, nicht nur ein Ergebnis — Alles Gefundene wird mit Anzahl und Zeilennummern aufgeführt, ob der zugehörige Schalter an ist oder nicht — Sie erfahren also von einem Problem, nach dem Sie nicht gesucht hätten.
• Ein zeilengenauer Vergleich — Geänderte Zeilen sind hervorgehoben, und beim Überfahren sehen Sie die Zeile genau so, wie sie geschrieben war. Eine Reparatur wird damit überprüfbar statt Vertrauenssache.
• Vier Antworten auf ungleiche Zeilen — Auffüllen, kürzen, überzählige Felder in die letzte Spalte zusammenführen oder aussortieren und auflisten. Nur Kürzen und Aussortieren entfernen etwas, beide sind optional und beide melden, was sie genommen haben.
• Erkennung, die Anführungszeichen nicht täuschen — Trennzeichen und Anführungszeichen werden gewählt, indem eine Stichprobe mit jedem Kandidaten geparst und die Breitenkonsistenz bewertet wird — eine Semikolondatei mit gequoteter Adresse wird also nicht als kommagetrennt gelesen.
• Ausgabe unter Ihrer Kontrolle — Trennzeichen, Anführungszeichen, minimales oder vollständiges Quoting, Zeilenenden LF, CRLF oder CR und ob die Datei mit einem Umbruch endet. Die Endung folgt dem Trennzeichen, eine mit Strichen getrennte Datei heißt also nicht .csv.

Jeder Punkt unten wird in jeder Datei erkannt, mit Anzahl und den ersten betroffenen Zeilennummern aufgeführt und entweder automatisch repariert oder als Schalter angeboten. Aus Ihren Daten wird nichts entfernt, außer Sie haben ausdrücklich darum gebeten.

• Felder mit einem Anführungszeichen — In der Ausgabe als zwei Anführungszeichen escapt, damit sie als eines zurückgelesen werden. Ein Parser, der bei jedem Anführungszeichen umschaltet, löscht stattdessen beide Zeichen, und das Feld verliert still Inhalt.
• Zeilenumbrüche in gequoteten Feldern — Bleiben bei ihrer Zeile. Die Datei zuerst an Zeilenumbrüchen zu teilen — die übliche Abkürzung — macht aus einer Zeile zwei, und die zweite ist kein gültiges CSV.
• Ein nicht beendetes Anführungszeichen — Wird mit Zeilennummer gemeldet. Der Rest der Zeile wird als Feldwert genommen, statt dass der Parser bis zum Dateiende läuft und alles Folgende zusammenführt.
• Ungleich breite Zeilen — Zeilen, die schmaler oder breiter sind als die übliche Breite, in beide Richtungen getrennt gezählt — so sehen Sie, ob der Datei Daten fehlen oder ob ein verirrtes Trennzeichen sie geteilt hat.
• Byte Order Marks — Werden immer entfernt. Eine stehen gelassene BOM wird Teil des Namens der ersten Spalte — deshalb hat eine importierte Tabelle manchmal eine erste Spalte, die sich über ihren Namen nicht ansprechen lässt.
• Gemischte Zeilenenden — Werden gemeldet, wenn eine Datei mehr als eine Art enthält. RFC 4180 schreibt CRLF vor; Sie können LF, CRLF oder CR schreiben, und die Datei wird in jedem Fall einheitlich.
• Typografische Anführungszeichen und unsichtbare Zeichen — Runde Anführungszeichen aus Textprogrammen, Nullbreite-Zeichen und geschützte Leerzeichen werden erkannt und können begradigt, entfernt oder in gewöhnliche Leerzeichen umgewandelt werden.
• Spaltennamen — Leere Spaltennamen werden gefüllt und doppelte nummeriert, damit nach dem Import jede Spalte über ihren Namen ansprechbar ist.

Fehlerhaft oder uneinheitlich gequotetes CSV scheitert meist nicht laut. Es wird importiert, und es ist falsch: hier ein Feld zu wenig, dort zwei zusammengeführte Zeilen, eine Zahlenspalte, die zu Text wurde. Die Datei mit korrektem Escaping neu zu schreiben sorgt dafür, dass sie in jedem Werkzeug gleich gelesen wird.

• Weniger Importfehler — Einheitliches Quoting sorgt dafür, dass Datenbank, Tabellenkalkulation und Skript aus denselben Bytes dieselben Felder auflösen.
• Stille Beschädigung wird sichtbar — Bericht und zeilengenauer Vergleich machen aus „der Import sieht komisch aus“ eine Zeilennummer, die Sie sich ansehen können.
• Sicherere Übergaben — Eine Datei, die durch einen strengen Parser gelaufen und sauber zurückgeschrieben ist, muss das nächste Team nicht mehr erraten.
• Nichts verlässt Ihren Rechner — Kundenlisten, Lohnexporte und Finanzdaten werden auf Ihrem eigenen Gerät repariert — eine defekte Datei wird so nie zu einer Offenlegung.

Eine ungleich breite Datei ist eine, deren Zeilen nicht alle gleich breit sind. Das ist der Fehler, der einen Import am ehesten ganz scheitern lässt, und der, bei dem die richtige Antwort wirklich von der Ursache abhängt — also fragt das Werkzeug, statt zu raten.

• Belassen — Die Voreinstellung. Breiten werden gemeldet, aber nichts wird geändert — richtig, wenn die Ungleichheit echte Daten sind und kein Schaden.
• Auffüllen — Kurze Zeilen bekommen leere Zellen, bis sie passen. Lange bleiben unangetastet: Eine Zeile zu kürzen ist die einzige Operation, die Daten zerstört, und sie passiert nie als Nebeneffekt einer Auffüll-Anforderung.
• Kürzen — Lange Zeilen werden auf die übliche Breite zurückgeschnitten und die Zahl der entfernten Zellen gemeldet. Nutzen Sie es, wenn die überzähligen Felder bekanntermaßen Müll sind.
• Zusammenführen — Die überzähligen Felder werden mit dem Trennzeichen, das sie geteilt hat, wieder in die letzte Spalte eingefügt. Es geht nichts verloren, und das ist meist richtig, wenn ein Wert ein nicht escaptes Trennzeichen enthielt.
• Aussortieren — Jede Zeile, die nicht der üblichen Breite entspricht, wird entfernt und ihre Nummer aufgelistet, damit Sie die verdächtigen Zeilen getrennt herausziehen und prüfen können.

• Kodierung — Auto, UTF-8, UTF-16LE, UTF-16BE, Windows-1252 oder ISO-8859-1. Eine Byte Order Mark in der Datei schlägt immer das Auswahlfeld, denn die Datei weiß es und das Auswahlfeld rät.
• Trennzeichen und Anführungszeichen — Über Breitenkonsistenz erkannt oder auf Komma, Semikolon, Tabulator oder senkrechten Strich festgelegt, mit doppelten Anführungszeichen, Apostrophen oder keinem.
• Erste Zeile ist eine Kopfzeile — Schaltet die Reparatur der Spaltennamen frei und lässt die Kopfzeile entscheiden, wenn keine Zeilenbreite häufiger ist als eine andere.
• Ungleich breite Zeilen — Belassen, auffüllen, kürzen, zusammenführen oder aussortieren — oben ausführlich beschrieben.
• Zellen trimmen — Entfernt führende und abschließende Leerzeichen aus jeder Zelle, bevor die Datei geschrieben wird.
• Leere Zeilen entfernen — Verwirft Zeilen, deren Zellen alle leer sind. Eine Zeile mit einer nicht leeren Zelle bleibt immer erhalten.
• Typografische Anführungszeichen begradigen — Wandelt die runden Zeichen, die ein Textprogramm einfügt, in gerade um — die ein CSV-Leser erwartet.
• Unsichtbare Zeichen entfernen — Löscht Nullbreite-Zeichen und wandelt geschützte Leerzeichen in gewöhnliche um, damit eine Zelle, die leer aussieht, es auch ist.
• Spaltennamen reparieren — Füllt leere Spaltennamen und nummeriert doppelte, damit jede Spalte über ihren Namen ansprechbar ist.
• Trennzeichen und Anführungszeichen der Ausgabe — Behalten Sie die der Datei oder schreiben Sie Komma, Semikolon, Tabulator oder senkrechten Strich. Die Endung folgt dem Trennzeichen.
• Quoting-Regel — Minimal quotet nur die Felder, die es brauchen. Alle Felder quoten umschließt jeden Wert — das verlangen manche strengen Importer.
• Zeilenende — LF, CRLF oder CR, einheitlich angewendet. CRLF ist das, was RFC 4180 vorschreibt.
• Datei mit Zeilenumbruch beenden — Standardmäßig an. Die meisten Werkzeuge erwarten einen abschließenden Umbruch; schalten Sie es aus, wenn Ihres das nicht tut.
• Herunterladen als — Ein eigener Name für die reparierte Datei. Andernfalls bekommt der Originalname das Suffix -fixed, damit die Reparatur nie das defekte Original überschreibt.

Zwei Einstellungen erklären die meisten Dateien, die wie Zeichensalat aussehen oder als eine einzige riesige Spalte importiert werden. Beide haben eine richtige Antwort, die die Datei selbst meist kennt.

• Lassen Sie die Kodierung zuerst auf Auto — Eine Byte Order Mark ist die Datei, die ihre eigene Kodierung angibt, und sie hat Vorrang vor jeder Handauswahl. Ohne Marke wird gültiges UTF-8 als UTF-8 gelesen und alles andere als Windows-1252 — das schreibt eine westliche Tabellenkalkulation, wenn niemand etwas anderes verlangt hat.
• Umlaute und Akzente sehen falsch aus — Die Datei ist fast sicher Windows-1252 oder ISO-8859-1. Das ist nicht dasselbe: Die Bytes 128 bis 159 sind im einen runde Anführungszeichen und Striche, im anderen Steuerzeichen. Probieren Sie zuerst Windows-1252 und dann ISO-8859-1.
• Die ganze Datei landet in einer Spalte — Wahrscheinlich ist sie UTF-16 — das schreibt eine Tabellenkalkulation, wenn man Unicode-Text verlangt. Als UTF-8 gelesen wird sie zu einem Feld voller Nullbytes und alle Zeilen laufen zusammen. Wählen Sie UTF-16LE oder fügen Sie die Datei erneut hinzu und lassen Sie Auto die Marke finden.
• Wählen Sie CRLF für maximale Kompatibilität — RFC 4180 schreibt CRLF vor, und strenge Validatoren warnen bei allem anderen. LF ist die sicherere Wahl für alles, was von Skripten gelesen oder in der Versionsverwaltung abgelegt wird.
• Gemischte Zeilenenden lohnen die Korrektur — Eine Datei mit beiden ist die, an der naive Leser scheitern, weil ein einzelner Wagenrücklauf mitten in einer LF-Datei eine Zeile beendet, wo es niemand erwartet. Was Sie auch wählen, die Ausgabe ist einheitlich.

• CSV-Betrachter
• CSV teilen
• CSV zusammenführen
• CSV vergleichen
• CSV-Spalten hinzufügen/entfernen
• CSV-Duplikate entfernen
• CSV sortieren
• CSV filtern
• CSV zu Excel
• CSV zu JSON
• JSON zu CSV
• Excel zu CSV
• CSV-Tools