Miért jelennek meg furcsa karakterek a CSV-ben Excelben
A kódolási keveredés az összekuszált ékezetek mögött, és három módja a javításnak.
Megnyitsz egy CSV-t Excelben, és az olyan nevekben, mint Müller vagy José, az ékezetes betűk helyén furcsa jelek jelennek meg. Az eurójelek és az aposztrófok is értelmetlen karaktercsoportokká változnak. Az adataiddal nincs baj. Az Excel rossz karakterkódolással olvassa a fájlt.
Mi történik
Egy szöveges fájl csupán bájtokból áll, a kódolás pedig az a szabály, amely a bájtokat betűkké alakítja. Szinte minden modern rendszer UTF-8 kódolással írja a CSV-fájlokat, amely minden nyelvet kezel. A windowsos Excel viszont, amikor duplán kattintasz egy CSV-re, még mindig egy régebbi regionális kódolást feltételez, például Windows-1252-t, magyar Windowson Windows-1250-t, hacsak a fájl nem egy kis jelölővel, úgynevezett bájtsorrendjelölővel (BOM) kezdődik. BOM nélkül minden, az egyszerű angol ábécén kívüli karaktert rossz szabállyal dekódol, és minden ékezetes betűből két vagy három értelmetlen karakter lesz.
Az adatok sértetlenek. Nyisd meg ugyanazt a fájlt Google Sheetsben, Numbersben vagy egy szövegszerkesztőben, és rendben lesz.
1. megoldás: add hozzá a BOM-ot
Ha a fájl helyes UTF-8, és csak az Excel jeleníti meg rosszul, futtasd át a kódolásjavító eszközön bekapcsolt BOM opcióval. A karakterek nem változnak, de a jelölő megmondja az Excelnek, hogy UTF-8-ként olvassa, és onnantól dupla kattintásra is helyesen nyílik meg.
2. megoldás: konvertáld valódi Excel-fájllá
Egy .xlsx fájlnál egyáltalán nincs kódolási kétértelműség. A CSV-ből Excel konverter helyesen olvassa be a CSV-t, és olyan munkafüzetet ment, amely mindenhol rendesen megnyílik. Az irányítószámok és telefonszámok elején álló nullákat is megtartja, amelyeket az Excel levág, ha közvetlenül nyitja meg a CSV-t.
3. megoldás: importálj dupla kattintás helyett
Excelben válaszd a Data, From Text/CSV lehetőséget, és a File Origin beállítást állítsd 65001: Unicode (UTF-8) értékre. Az Excel ekkor helyesen olvassa a fájlt. Ez működik, de minden alkalommal észben kell tartanod, ezért a megosztott fájloknál az első két megoldás a praktikusabb.
Ha maga a fájl sérült
Néha az összekuszált karakterek bele is mentődnek a fájlba. Ez akkor történik, amikor valaki megnyitott egy UTF-8 fájlt Excelben, látta a zűrzavart, és újra elmentette. Most már az értelmetlen karakterek maguk az adatok. A problémát minden programban látni fogod, nem csak Excelben. A kódolásjavító eszköz javító módja erre az esetre készült: visszafordítja a dupla kódolást, ha az UTF-8 szöveget Windows-1252-ként olvasták félre, és visszaállítja az eredeti betűket. Automatikus módja az ilyen fájlok többségében felismeri ezt az esetet. Ha viszont a szöveget a közép-európai Windows-1250 kódolás rontotta el, ahogy a magyar ő és ű betűknél jellemző, ezt az eszköz nem javítja; ilyenkor térj vissza az eredeti exporthoz, és mentsd újra UTF-8-ként.
Gyors diagnózis
| Amit látsz | Valószínű ok | Megoldás |
|---|---|---|
| Csak Excelben hibás, máshol rendben van | Hiányzó BOM | Add hozzá a BOM-ot, vagy konvertáld .xlsx formátumba |
| Minden programban hibás | A fájlt a hibás beolvasás után elmentették | A dupla kódolás javítása |
| Kérdőjelek vagy négyzetek | A fájl régi windowsos kódolással lett mentve | Konvertálás Windows-1252-ből UTF-8-ba |
Megelőzés
- Excelből exportáláskor a sima CSV helyett a CSV UTF-8 formátumot válaszd.
- Ha más rendszerekből exportálsz Excel-felhasználóknak, kapcsold be a BOM-ot, ha van ilyen lehetőség.
- Soha ne mentsd újra az összekuszáltnak látszó CSV-t. Előbb javítsd ki a kódolást.