CSV berbahasa Tionghoa di Excel: UTF-8, GBK, dan teks rusak

Jika CSV berbahasa Tionghoa terbuka sebagai simbol yang tidak terbaca, simpan dahulu salinan yang belum diubah. File mungkin berisi byte teks yang valid, tetapi Excel menafsirkannya dengan pengodean karakter yang salah. Menimpa file asli dengan tampilan rusak dapat mempersulit pemulihan.

CSV menyimpan teks dan pemisah. Nama file tidak menunjukkan pengodeannya secara andal, dan CSV tidak menyimpan format lembar yang sama seperti buku kerja Excel. Membaca byte dengan benar adalah langkah pertama; menjaga kode dan tanggal di lembar kerja merupakan langkah terpisah.

Memilih pengodean saat file disimpan

UTF-8 banyak digunakan dalam pertukaran teks modern. Ekspor lama dari Tiongkok daratan mungkin memakai GBK atau pengodean Tionghoa terkait, sedangkan sebagian file aksara tradisional menggunakan Big5. Frasa yang terlihat tradisional tidak membuktikan bahwa file memakai Big5: file Unicode dapat memuat kedua bentuk aksara.

Jika memungkinkan, tanyakan pengodean ekspor kepada pengirim. Jika tidak diketahui, coba beberapa pengodean dalam pratinjau dan periksa kata nyata, nama yang jarang ditemui, serta tanda baca. Decoder menerima byte tanpa kesalahan bukan bukti bahwa pilihan pengodean sudah benar.

Menggunakan pratinjau impor Excel

Jangan hanya mengandalkan klik ganda; gunakan alur impor teks atau CSV di Excel. Pada versi desktop saat ini, biasanya tersedia di tab Data melalui pilihan impor Teks/CSV. Pilih pengodean sumber dan pemisah, lalu periksa pratinjau sebelum memuat tabel. Nama menu dapat berbeda menurut versi dan bahasa.

Penanda urutan byte UTF-8, atau BOM, dapat membantu Excel mengenali UTF-8 ketika file dibuka langsung. Penanda ini adalah identitas pengodean di awal file, bukan bagian dari nama kolom pertama. Beberapa sistem berikutnya mengharapkan UTF-8 tanpa BOM, sehingga keluaran harus mengikuti aplikasi penerima.

Mengubah pratinjau terbaca menjadi UTF-8

1. Buka salinan berukuran maksimal 5 MB di konverter pengodean file Tionghoa.
2. Pilih pengodean sumber yang sebenarnya dan baca pratinjau.
3. Periksa beberapa nama atau deskripsi Tionghoa, bukan hanya baris judul.
4. Ekspor UTF-8 dan gunakan BOM bila sesuai untuk aplikasi penerima.
5. Buka kembali hasil ekspor dan bandingkan baris yang mewakili isi dengan sumber asli.

Mengganti ekstensi nama file atau menambahkan BOM tidak mengubah byte GBK menjadi UTF-8. Konversi harus terlebih dahulu mendekode teks sumber dengan benar, lalu mengodekan teks tersebut dalam format tujuan.

Menjaga nol awal dan kode panjang

Walaupun aksara Tionghoa sudah tampil benar, Excel masih dapat menafsirkan kode sebagai angka atau tanggal. Tetapkan kolom terkait sebagai teks saat impor. Pengenal seperti 001234 harus tetap berisi enam karakter; menampilkannya sebagai 1234 menghilangkan informasi.

Perbedaan lebar karakter juga dapat mengganggu pencocokan data. Jika satu file berisi Ａ１２３ dan file lain A123, terapkan konversi lebar karakter secara sengaja pada bidang tersebut. Ini tidak memperbaiki masalah pengodean dan tidak boleh diterapkan sembarangan pada seluruh teks naratif.

Membedakan tiga gejala umum

Masalah-masalah ini dapat terjadi bersamaan, tetapi penyebabnya berbeda. Memilih UTF-8 saja tidak membagi file berpemisah titik koma menjadi kolom jika pengimpor mengharapkan koma. Memilih pemisah tidak memulihkan aksara Tionghoa yang salah didekode. Menetapkan kolom sebagai teks melindungi pengenal, tetapi tidak menentukan pengodean asli file.

Periksa pratinjau dengan urutan berikut: teks terbaca, batas bidang benar, dan jenis kolom sesuai. Gunakan beberapa baris yang mengandung teks Tionghoa, kode berawalan nol, serta bidang dengan tanda baca. Judul kolom yang hanya memakai huruf ASCII bisa terlihat benar dalam beberapa pengodean sehingga tidak cukup untuk memeriksa seluruh file.

Menyimpan sampel pembanding kecil

File uji ilustratif dapat memakai tiga bidang: nama, kode, dan catatan. Nama bisa berupa 李明, kode 001234, dan catatan berupa frasa Tionghoa pendek. Ini adalah data uji, bukan catatan pelanggan sungguhan. Simpan teks yang diharapkan bersama file agar nilai yang sama dapat dibandingkan setelah setiap impor atau ekspor.

Jika bidang memuat pemisah file atau pergantian baris di dalamnya, penulis CSV harus memberikan tanda kutip dengan benar. Karena itu, jumlah baris teks tidak selalu sama dengan jumlah rekaman: sel bertanda kutip dapat mengandung pergantian baris. Bandingkan baris dan kolom yang benar-benar diurai, bukan menyatakan file lengkap hanya karena jumlah baris yang tampak terlihat masuk akal.

Setelah konversi ke UTF-8, buka kembali file baru dengan memilih UTF-8 secara eksplisit dan bandingkan nilai sampel. Kemudian uji impor dalam aplikasi yang benar-benar akan menerima file. File dapat dikodekan dengan benar tetapi masih memakai pemisah atau urutan kolom yang tidak sesuai dengan alur penerima.

Memilih keluaran untuk langkah berikutnya

UTF-8 dengan BOM berguna pada sebagian alur pembukaan langsung di Excel karena penandanya membantu mengenali pengodean. Pengimpor lain mungkin mengharapkan UTF-8 tanpa BOM. Tidak ada pilihan yang selalu lebih baik; gunakan format yang ditentukan aplikasi berikutnya dan uji dengan baris perwakilan yang sama.

BOM tidak memperbaiki teks yang sudah salah didekode sebelum ekspor. Jika pratinjau sudah menampilkan karakter keliru, berhenti sebelum menyimpan dan perbaiki pilihan pengodean sumber. Menambahkan penanda UTF-8 pada karakter yang salah hanya memberi label pada file baru yang tetap memuat teks keliru.

Jika Anda harus mempertahankan rumus, beberapa lembar, gaya sel, atau struktur lembar kerja yang kaya, CSV bukan pengganti buku kerja. Ketika fitur tersebut penting, simpan buku kerja sebagai dokumen kerja dan ekspor CSV untuk tahap transfer data tertentu. Konversi teks yang berhasil tidak berarti semua fitur lembar kerja ikut dipertahankan.

Mengenali informasi yang sudah hilang

Jika file tersimpan sudah berisi karakter pengganti atau tanda tanya biasa di tempat teks Tionghoa sebelumnya, memilih pengodean lain mungkin tidak memulihkannya. Kembali ke salinan asli yang belum diubah atau minta ekspor ulang. Konverter dapat menafsirkan kembali byte yang masih ada, tetapi tidak dapat merekonstruksi teks yang sudah ditimpa dan tidak lagi tersedia.