CSV cinesi in Excel: UTF-8, GBK e testo illeggibile

Se un CSV cinese si apre con simboli illeggibili, conserva prima una copia non modificata. Il file potrebbe contenere byte di testo validi che Excel ha interpretato con la codifica sbagliata. Salvare il testo corrotto sopra l’originale può rendere più difficile il recupero.

Un CSV memorizza testo e separatori. Il nome del file non identifica in modo affidabile la codifica e non conserva la stessa formattazione di una cartella di lavoro Excel. Leggere correttamente i byte è il primo passo; preservare codici e date nel foglio è un passaggio distinto.

Scegliere la codifica originale del file

UTF-8 è molto diffuso nello scambio moderno di testo. Vecchie esportazioni dalla Cina continentale possono utilizzare GBK o una codifica cinese correlata, mentre alcuni file in cinese tradizionale usano Big5. Una frase scritta in caratteri tradizionali non dimostra da sola che il file sia Big5: i file Unicode possono contenere entrambe le scritture.

Quando possibile, chiedi al mittente quale codifica usa per esportare. Se non lo sai, prova le opzioni nell’anteprima e controlla parole reali, nomi poco comuni e punteggiatura. Il fatto che un decodificatore accetti i byte senza errori non dimostra che la codifica scelta sia corretta.

Usare l’anteprima di importazione di Excel

Invece di affidarti al doppio clic, usa l’importazione di testo o CSV di Excel. Nelle versioni desktop attuali si trova generalmente nella scheda Dati, tramite un’opzione Testo/CSV. Scegli la codifica di origine e il delimitatore, poi esamina l’anteprima prima di caricare la tabella. Le voci dei menu possono cambiare secondo versione e lingua.

Il marcatore dell’ordine dei byte UTF-8, o BOM, può aiutare Excel a riconoscere UTF-8 quando apri direttamente un file. È una firma di codifica all’inizio del file, non parte del nome della prima colonna. Alcuni sistemi successivi preferiscono UTF-8 senza BOM: scegli quindi l’uscita prevista dall’applicazione che userai dopo.

Convertire un’anteprima leggibile in UTF-8

1. Apri una copia di massimo 5 MB nel convertitore di codifica dei file cinesi.
2. Seleziona la codifica effettiva di origine e leggi l’anteprima.
3. Controlla diversi nomi o descrizioni in cinese, non soltanto le intestazioni.
4. Esporta in UTF-8 e scegli BOM quando è appropriato per l’applicazione destinataria.
5. Riapri il file esportato e confronta alcune righe rappresentative con l’originale.

Cambiare l’estensione del nome o aggiungere BOM non trasforma byte GBK in byte UTF-8. La conversione deve prima decodificare correttamente il testo originale, poi codificare quel testo nel formato di destinazione.

Proteggere zeri iniziali e codici lunghi

Anche quando il cinese appare correttamente, Excel può interpretare un codice come numero o data. Durante l’importazione, imposta le colonne interessate come testo. Un identificatore come 001234 deve mantenere sei caratteri: mostrarlo come 1234 elimina informazioni.

Anche le differenze di larghezza dei caratteri possono influire sui confronti dopo l’importazione. Se un file contiene Ａ１２３ e un altro A123, applica consapevolmente una conversione della larghezza a quel campo. Questo non risolve un problema di codifica e non va applicato indiscriminatamente al testo discorsivo.

Distinguere tre sintomi comuni

Questi problemi possono presentarsi insieme, ma hanno cause diverse. Scegliere UTF-8 non separa da solo un file delimitato da punti e virgola se l’importatore si aspetta virgole. Selezionare un delimitatore non recupera caratteri cinesi decodificati male. Impostare una colonna come testo protegge gli identificatori, ma non determina la codifica originale.

Controlla l’anteprima in quest’ordine: testo leggibile, confini corretti dei campi e tipi di colonna adatti. Usa alcune righe con cinese, un codice che inizi con zero e un campo contenente punteggiatura. Un’intestazione composta soltanto da lettere ASCII può sembrare corretta con più codifiche, quindi non basta a verificare il resto del file.

Conservare un piccolo campione di confronto

Per un file dimostrativo di prova, usa tre campi: nome, codice e nota. Il nome può essere 李明, il codice 001234 e la nota una breve frase cinese. Sono dati di prova, non un vero record cliente. Conserva il testo atteso accanto al file per confrontare gli stessi valori dopo ogni importazione o esportazione.

Se un campo contiene il delimitatore del file o un’interruzione di riga interna, il programma che scrive il CSV deve racchiuderlo correttamente tra virgolette. Il numero di righe di testo, quindi, non coincide sempre con il numero di record: una cella tra virgolette può contenere una nuova riga. Controlla righe e colonne effettivamente interpretate, invece di considerare completo il file solo perché il numero di righe visibili sembra plausibile.

Dopo la conversione in UTF-8, riapri il nuovo file selezionando esplicitamente UTF-8 e confronta i valori campione. Poi prova l’importazione nell’applicazione che lo riceverà davvero. Un file può essere codificato correttamente ma usare un delimitatore o un ordine delle colonne inatteso per quel flusso di lavoro.

Scegliere l’uscita per il passaggio successivo

UTF-8 con BOM è utile in alcuni flussi di apertura diretta in Excel, perché la firma facilita il riconoscimento della codifica. Un altro importatore potrebbe aspettarsi UTF-8 senza BOM. Nessuna scelta è sempre preferibile: usa il formato indicato dall’applicazione successiva e verificalo con le stesse righe rappresentative.

Un BOM non ripara testo già decodificato male prima dell’esportazione. Se l’anteprima mostra caratteri sbagliati, fermati prima di salvare e correggi la codifica di origine. Aggiungere una firma UTF-8 a quei caratteri identificherebbe soltanto un nuovo file che continuerebbe a contenere testo errato.

Se devi mantenere formule, più fogli, stili delle celle o strutture complesse, un CSV non sostituisce una cartella di lavoro. Quando queste funzioni sono importanti, conserva la cartella come documento di lavoro ed esporta un CSV per lo specifico trasferimento di dati. Una conversione del testo riuscita non equivale a preservare tutte le funzioni del foglio elettronico.

Riconoscere le informazioni perdute

Se il file salvato contiene già caratteri sostitutivi o semplici punti interrogativi al posto del cinese, scegliere un’altra codifica potrebbe non ripristinarlo. Torna a un originale intatto o chiedi una nuova esportazione. Un convertitore può reinterpretare byte esistenti; non può ricostruire testo sovrascritto che non è più presente.