Rens en rodet CSV-eksport: problemerne at tjekke, i rækkefølge

Når du skal rense en rodet CSV-eksport, retter du den i lag: først tegnene, dernæst layoutet og til sidst hvad hver kolonne betyder. En CSV er ren tekst, så de fleste problemer skyldes forkerte tegn, ekstra rækker eller skilletegn, eller værdier, et program læser anderledes end dig. Ret tegnene først. Et skjult mellemrum kan forhindre en dato i at blive læst som dato, og så fejler de senere rettelser uden en tydelig grund.

CSV-oprydningRodet CSV med tomme felter og kopierPrøv gratis

Tegn der ser rigtige ud, men ikke er det

Løse mellemrum. Et mellemrum i starten eller slutningen af en celle, eller to mellemrum midt i en værdi, gør at "Berlin " og "Berlin" er to forskellige værdier for et opslag, et filter eller en join.

Usynlige tegn. Nogle tegn fylder ingenting på skærmen:

• Et hårdt mellemrum (U+00A0) ser ud som et almindeligt mellemrum, men er et andet tegn. Websider bruger det til at holde ord sammen.
• Et nul-bredde-mellemrum (U+200B) har slet ingen bredde.
• Et byte order mark (U+FEFF) kan stå helt forrest i en fil, foran den første overskrift. Kolonnen ser ud til at hedde "id", men den hedder egentlig "id", så et opslag efter "id" fejler.

Fjern skjulte tegn viser, hvad det finder, før det ændrer noget.

Ødelagte bogstaver. "é" hvor du forventer "é" er et kodningsproblem, der kaldes mojibake. Filen blev gemt som UTF-8, hvor é fylder to bytes, og derefter læst som Windows-1252, hvor de to bytes bliver til to helt urelaterede bogstaver. Et "’" apostrof bliver på samme måde til "’". Løsningen er at læse filen som UTF-8 eller at eksportere den igen fra kilden med UTF-8 valgt. At reparere tekst, der allerede er gemt forkert, er skrøbeligt, så behold originalen og arbejd på en kopi.

Layout: titelrækker, tomme linjer og dubletter

Rapporter begynder ofte med en titel, en dato og en tom linje over den rigtige overskriftsrække. Slet alt over overskriftsrækken, så første linje indeholder kolonnenavnene. Hver kolonne skal have ét navn, og intet navn må være tomt.

Hver række skal have det samme antal felter. Et løst komma inde i en værdi, der ikke står i anførselstegn, tilføjer et felt, og alle værdier efter det flytter sig én kolonne til højre. Tæl felterne pr. række. En række med et andet antal er ødelagt.

Dubletter findes i to slags. Rækker, der er identiske i alle kolonner, skyldes typisk, at du har eksporteret eller indsat to gange, og de kan fjernes uden risiko. Rækker, der deler en nøgle, men er forskellige ellers, kan være opdateringer. Hvis du sletter den forkerte, kan du fjerne den nyeste version, så tjek dem først.

Datoer: 03/04/2026 kan være to forskellige dage

03/04/2026 er 3. april i ét land og 4. marts i et andet, og teksten siger ikke, hvilket. Kig på de andre datoer i samme kolonne. Hvis et første tal er over 12, er kolonnen dag først. Hvis et andet tal er over 12, er den måned først. Hvis alle værdier har begge tal på 12 eller derunder, kan filen ikke afgøre det, og du må spørge det system, filen kommer fra. Tjek datatyper markerer sådan en kolonne som tvetydig i stedet for at gætte.

Når du kender rækkefølgen, skal du konvertere hver dato til ISO 8601, formatet år-måned-dag, fx 2026-04-03. Det er entydigt, og det sorteres korrekt som tekst. Konverter blandede formater ét ad gangen, for en kolonne med begge stilarter læses inkonsekvent af de fleste programmer.

Tal gemt som tekst

Et tal gemmes som tekst, når det har et valutategn, et procenttegn eller et mellemrum i sig, fx "€ 12", "45%" eller "1 234" med et hårdt mellemrum. Tusindtalsseparatorer, som i "1,234.50", får ofte også et program til at læse værdien som tekst. Et regneark viser tekst-tal venstrestillet, og summer springer dem over.

Decimaltegn er fælden. I "1.234,50" er kommaet decimaltegnet, og punktummet grupperer tusinder. I "1,234.50" er det omvendt. Så "1,234" kan være 1234 i én eksport og 1.234 i en anden. Find sprog- og regionsindstillingen i kildesystemet, før du konverterer, og fjern derefter tusindtalsseparatorerne og gør decimalkommaet til et punktum.

Foranstillede nuller går tabt

Postnumre, produktkoder og kontonumre begynder ofte med nuller. Når en CSV åbnes i et regneark, læses "01234" som tallet 1234, og nullerne er væk. At gemme filen bevarer tabet, så kildesystemet er den eneste pålidelige kopi.

En identifikator er tekst, også når den ligner et tal, for du regner aldrig på den. Slå talkonvertering fra for sådanne kolonner, når du renser CSV-filen, og åbn filen igen fra kilden i stedet for fra en kopi, et regneark har gemt. Tjek datatypen for hver kolonne bagefter, så en postnummerkolonne ikke stille og roligt skifter tilbage til tal. Excel kan også ændre værdier, når det åbner en CSV, så tjek resultatet i en almindelig tekstvisning.

Tjek typerne, og profilér derefter

Efter oprensningen skal du tjekke typen for hver kolonne. Et enkelt "N/A" i en kolonne med priser gør hele kolonnen til tekst, og dens sum bliver så forkert. Tjek datatyper giver hver kolonne en type og en konfidensscore og viser de celler, der ikke passer.

Derefter profilerer du kolonnerne. CSV-kolonneprofil viser huller og ekstremværdier i hver kolonne. En ekstremværdi kan være en reel værdi eller en fejl, fx en pris, der er tusind gange større end resten, hvilket ofte skyldes et forkert placeret decimaltegn eller skilletegn.

Særtilfælde

• Linjeskift i anførselstegn. En værdi i anførselstegn kan indeholde et linjeskift. Et værktøj, der deler filen op efter linjer, deler så rækken i to, så brug en læser, der forstår felter i anførselstegn.
• Semikolonfiler. Mange europæiske regneark gemmer CSV med semikolon, fordi kommaet er decimaltegn i deres sprog- og regionsindstilling. Tjek skilletegnet, før du læser kolonnerne.
• Behold originalen. Skriv det rensede resultat til en ny fil, og behold eksporten, som den kom.

Rækkefølgen som tjekliste

1. Gem en kopi af den originale eksport.
2. Fjern løse mellemrum og usynlige tegn. Ret ødelagte bogstaver ved kilden, hvis du kan.
3. Slet titelrækkerne, tjek overskriftsnavnene, og bekræft at hver række har det samme antal felter.
4. Find dubletterne, og afgør hvilken version du vil beholde.
5. Konverter datoer til år-måned-dag, fjern skilletegn, og gør identifikatorer til tekst.
6. Tjek typen for hver kolonne, og profilér den derefter for huller og ekstremværdier.

Hurtige svar

Hvorfor fejler mit opslag, når værdierne ser ens ud?

Typisk står der et mellemrum, et hårdt mellemrum eller et byte order mark i en af cellerne. Fjern de skjulte tegn, og prøv igen.

Hvorfor ændrer mine datoer sig til noget andet?

Et program læste en dato med dag først eller måned først i den forkerte rækkefølge, eller det konverterede teksten til sit eget datoformat. Konverter datoerne selv først, til år-måned-dag.