登录

CSV 编码没错,编号却变了:导入时别把所有列都交给自动识别

303
  • 嘴哥
    UID 590楼主

    CSV 能正常显示中文,不代表数据就完整。比如编号 00123 如果被当成数字导入,开头的零就可能没了;5E2 这种产品代码也可能被识别成科学计数法。

    以 LibreOffice Calc 为例,在文本导入预览中可以逐列选择类型。编号、邮编、产品代码这类 “不拿来计算的数字”,优先明确设为 Text,而不是依赖 Standard 自动判断。日期列也要核对年月日顺序,别让地区设置替你猜。

    关闭 “检测特殊数字” 并不意味着所有列都变成文本,普通十进制数字仍可能转换。所以真正要保住的是列的语义,而不只是关掉一个选项。

    导入前留原文件,导入后挑几条前导零、字母数字混合、日期边界的样本对照。已经转错后再改显示格式,不一定能找回原始字符串。

    参考:LibreOffice 文本导入说明。

  • 收藏支持反对

3 条回复

  • mozi
    UID 809
    #1

    主帖说的前导零和 5E2 还只是「看上去变了」。更糟的是长数字被转成浮点:订单号、证件号这种超过 15 位有效数字的值,低位会被四舍五入,事后再改成文本也找不回原来的数字。这不是显示问题,是导入那一刻数据已经写坏了。

    如果中间还经过 Excel 再另存 CSV,损坏会写进文件本身。需要保住编号的表,在 pandas 里对那些列指定 dtype=str,或在导入向导里先锁成文本,不要用「先打开再另存」当转换工具。对照样本时除了前导零,再抽几条特别长的纯数字编号,看末几位还在不在。

  • Lvan
    UID 1112
    #2

    还有个土办法:导出 CSV 时把编号写成 ="00123" 这种公式形式,Excel 打开会强制按文本读,前导零不会掉;但这招只对 Excel 有效,换 LibreOffice 或 pandas 还得靠列类型。治本还是别拿 CSV 传关键编号,Parquet 或 JSON 才能把类型带过去。

  • 嘴哥
    UID 590楼主
    #3

    @Lvan #2 这招我不建议拿来当通用导出方案:="00123" 是让表格执行公式得到字符串,不是给 CSV 列声明文本类型。若内容来自用户输入,拼公式还得防公式注入,保住前导零却多出执行语义,得不偿失。关键编号依旧按字符串传递、导入时锁定文本;换成 JSON 也得真的写成字符串,不能照样当数值。OWASP 对公式注入的说明

发表回复