文章
為什麼 Excel 會搞壞你的 CSV 檔案
一個以三個零開頭的病歷編號。一個叫做 SEPT2 的基因。一組十六位數的帳號。把這些內容放進純文字的 CSV 檔案，用試算表打開，Excel 的匯入功能不只是顯示它們，還會改寫它們：零不見了，基因名稱變成了日期，帳號少掉了最後幾位數。這些嚴格來說都不算錯誤，而是當一套通用的數字與日期猜測邏輯，遇上只是「長得像」數字或日期的文字時，會發生的事。以下說明 Excel 打開 CSV 檔案的那一刻，實際發生了什麼，以及怎麼在事情發生之前就阻止它。
開頭的零會消失
在儲存格裡輸入 02134，Excel 預設的欄位型別「一般」會把它讀成數字，並去掉開頭的零：2134。任何用數字字元儲存、但本質上不是數量的代碼，都會遇到這個問題：美國郵遞區號、法國郵遞區號、員工編號或發票編號、電話號碼。從技術上說，底層 CSV 檔案並沒有真的丟失什麼，儲存格旁邊的文字維持不變，直到你儲存活頁簿的那一刻，這時 Excel 會把它顯示的內容寫回去，零就永久消失了。解法是在 Excel 有機會猜測之前，先告訴它這一欄是文字：透過「資料」>「從文字/CSV」（或「取得資料」>「從檔案」），可以明確設定每一欄的資料型別，或者在單一儲存格的值前面加上一個單引號，強制以文字處理。
文字會在你不知情的情況下變成日期
同一套猜測邏輯，也會尋找長得像日期的文字。一個內容是 MAR1 或 SEPT2 的儲存格，會被讀成 3 月 1 日或 9 月 2 日，悄悄轉換成日期值並重新格式化，完全不會顯示任何警告。這不是假設情境：2020 年，人類基因命名委員會（HGNC）重新命名了約 27 個人類基因符號，包括 SEPT2 和 MARCH1，原因就是試算表軟體每次打開資料集時，都會把它們變成日期，這個問題嚴重到 2016 年一份針對基因體學論文的調查發現，在附上補充 Excel 檔案的論文中，大約每五篇就有一篇出現這類自動校正錯誤。這個教訓不只適用於基因名稱：任何看起來像「日加月」的簡短英數代碼，只要有人在試算表裡打開你的 CSV，就有風險，不只是你自己打開時。
很長的數字會遺失最後幾位數
Excel 把每一個數字都儲存成精確度為 15 位有效數字的浮點數值，這個限制是微軟自己文件記載的。像 4111111111111111 這樣的十六位數卡號或帳號，會被四捨五入以符合這個限制，所以最後一兩位數會悄悄變成零，數值不再是你當初輸入的那個。事後再重新格式化儲存格，並不能把遺失的數字找回來，因為底層儲存的數字早就已經被捨入；唯一的解法，是在 Excel 把它當成數字處理之前，先把該欄匯入為文字，或在數值前加上單引號。
帶重音的文字會變成亂碼
編碼問題是和自動校正完全不同的另一種故障模式。一個沒有位元組順序記號（BOM）的 CSV 檔案，本質上就是一串位元組；如果它是以 UTF-8 儲存的，Windows 上的 Excel 通常會改用系統自己的字碼頁來假設它，於是帶重音的字母、貨幣符號和表情符號，都會變成亂碼，例如 café 這樣的字串會顯示成類似 café 的東西。為 Excel 產生 CSV 檔案時，安全的做法是存成「CSV UTF-8」，或加上 UTF-8 位元組順序記號；讀取 CSV 檔案時，安全的做法是透過「資料」>「從文字/CSV」匯入，這樣可以明確選擇來源編碼，而不是靠雙擊打開去賭它猜對。
在不用 Excel 打開的情況下搬移資料
嚴格來說，這些都不算是 Excel 的錯，而是試算表的數字與日期猜測邏輯本來就是這樣設計的，而且不管用什麼軟體打開，都會發生，不只是 Excel。要重新整理一份 CSV 檔案，或在它進到任何試算表之前，先確認某一欄真的維持是文字，最安全的做法是直接處理它：我們的資料轉換工具用標準、能處理引號的解析器讀取 CSV，絕不會重新解讀某個值的型別，所以郵遞區號或基因名稱會維持你給它的原始文字。它完全在你的瀏覽器中執行，你貼上的任何內容都不會被上傳到任何地方。不過這只保護了轉換這一步：如果輸出結果之後還是會被試算表打開，那麼你也需要在那裡把敏感欄位標記為文字。
本文涉及的工具
常見問題
如何阻止 Excel 移除 CSV 裡開頭的零？
不要用雙擊直接打開檔案。改用「資料」>「從文字/CSV」（或「取得資料」）匯入，它會顯示逐欄的資料型別選擇器；在完成匯入前，把郵遞區號、編號或電話號碼那一欄設為「文字」。快速的單一儲存格修法，是在值前面輸入單引號，例如 '02134，這會強制以文字處理，不會改變顯示內容。
為什麼 Excel 把我的編號或代碼變成了日期？
Excel 的「一般」欄位型別會主動尋找長得像日期的文字（例如一個短單字加數字，或用連字號、斜線分隔的兩個數字），並轉換任何符合的內容，完全不會事先詢問。2020 年強迫重新命名 SEPT2、MARCH1 等基因符號的，正是這個機制。和開頭零的處理方式一樣，把該欄匯入為「文字」，就能在猜測發生之前阻止它。
換一種方式轉換我的 CSV，能完全避開這些問題嗎？
這只能避開那一次轉換步驟的問題，不是永久解決。像我們的資料轉換工具這種，把每個欄位都當成純文字處理的解析器，在把 CSV 轉成 JSON 時，不會改寫郵遞區號或基因名稱。但如果輸出結果之後還是會被打開成試算表（不管是你自己，還是收到檔案的人），那個程式自己的匯入功能，又會有機會重新解讀這些值，所以敏感欄位在那裡也需要再標記一次文字。