toolsmith

Kein Upload · alles läuft im Browser

CSV gegen Excel — was wirklich anders ist

Fast alles Verwirrende an einer CSV-Datei folgt aus einer Tatsache: die Datei weiß nicht, was ihre Werte bedeuten. Excel rät, und beim Raten gehen Daten kaputt.

Aktualisiert

Ein CSV ist Text. Das ist das ganze Format.

Ein CSV besteht aus Zeilen von Zeichen, getrennt durch Kommas. Mehr ist nicht drin — keine Zelltypen, keine Formeln, keine Formatierung, keine mehreren Blätter, keine Spaltenbreiten. `007` in einem CSV sind drei Zeichen, weder Zahl noch Zeichenkette; die Datei sagt es nicht.

Eine .xlsx ist das Gegenteil: ein gepacktes Bündel, das für jede Zelle festhält, welche Art Wert sie enthält und wie sie aussehen soll. Deshalb ist sie größer und deshalb übersteht sie einen Umlauf unverändert.

Was Excel beim Öffnen eines CSV mit Ihren Daten macht

Weil die Datei keine Typen angibt, leitet Excel sie her. Die Vermutungen sind im Mittel vernünftig und in bestimmten Fällen zerstörerisch:

  • Führende Nullen verschwinden. `007` wird `7`. Postleitzahlen, Kontonummern und Artikelnummern sind die üblichen Opfer.
  • Was nach einem Datum aussieht, wird eins. `1-2` wird zum 2. Januar. Bekanntlich mussten Genetiker Gene umbenennen, weil Excel SEPT2 immer wieder in ein Datum verwandelte.
  • Lange Zahlen wechseln in wissenschaftliche Schreibweise und verlieren ihr Ende. Eine 16-stellige Kennung kommt als `1,23457E+15` zurück, und die verlorenen Stellen holt kein nachträgliches Format zurück.
  • Und der Schaden wird beim Speichern festgeschrieben. Die Ursprungsdatei war richtig; die, die Excel zurückschreibt, nicht.

Warum Ihr CSV wirr aussieht oder alles in einer Spalte landet

Zwei getrennte Probleme, beide über Annahmen, die die Datei nicht aussprechen kann.

Die Kodierung. Ein CSV hält seine Zeichenkodierung nicht fest. Excel unter Windows nahm lange die lokale Codepage statt UTF-8 an, weshalb Umlaute, Koreanisch und Japanisch verstümmelt ankommen. Eine UTF-8-Bytereihenfolgemarke am Anfang behebt es meist.

Das Trennzeichen. In Ländern, in denen das Komma das Dezimalzeichen ist, schreiben und erwarten Tabellenprogramme Semikolons. Öffnen Sie so eine Datei anderswo, landet jede Zeile in einer einzigen Spalte. Die Datei ist nicht kaputt; die beiden Programme sind sich uneinig, was ein Komma bedeutet.

Wenn die Datei schlicht zu groß ist

Ein Tabellenprogramm hat eine harte Grenze von gut 1.048.576 Zeilen und wird lange davor langsam, weil es alles in den Speicher lädt, damit alles bearbeitbar ist.

Ab einer gewissen Größe ist es richtig, die Datei nicht mehr zu öffnen, sondern ihr Fragen zu stellen. Ein paar Spalten auswählen, filtern, gruppieren, zählen — die Antwort steht in Sekunden, ohne dass die Maschine Millionen Zellen zeichnet, die Sie nie ansehen wollten.

Parquet, kurz

Wenn CSV Sie immer wieder im Stich lässt: Parquet ist das, worauf die Analysewelt umgestiegen ist. Es speichert Typen in der Datei, es wird also nichts geraten. Es speichert spaltenweise statt zeilenweise, drei von fünfzig Spalten zu lesen liest also ungefähr drei Spalten an Bytes. Und es komprimiert gut — oft fünf- bis zehnmal kleiner als dasselbe CSV.

Der Preis: Sie können es nicht im Texteditor öffnen. Es ist ein Format zum Abfragen, nicht zum Ansehen.

Jetzt erledigen — ohne Upload

Wie verhindere ich, dass Excel mein CSV zerlegt?

Nicht per Doppelklick öffnen. Nehmen Sie Daten → Aus Text/CSV; dort lassen sich Kodierung setzen und Spalten als Text markieren, bevor etwas umgewandelt wird. Oder fragen Sie die Datei direkt ab und lassen kein Tabellenprogramm daran.

Ist ein CSV kleiner als eine Excel-Datei?

Meist nicht, was überrascht. Eine .xlsx ist ein gepacktes Bündel, und ZIP komprimiert wiederkehrenden Text gut. Ein CSV besteht aus unkomprimierten Zeichen. Parquet schlägt beide deutlich.

Kann ich ein CSV ohne Datenbank abfragen?

Ja. Unser Datenwerkzeug betreibt eine SQL-Engine im Browser-Tab und liest die Datei direkt von Ihrer Platte — nichts wird hochgeladen, und es gibt weder Server noch Datenbank einzurichten.

Lesenswert