CSV em chinês no Excel: UTF-8, GBK e texto ilegível

Se um CSV em chinês abrir com símbolos ilegíveis, primeiro guarde uma cópia sem alterações. O arquivo pode conter bytes de texto válidos que o Excel interpretou com a codificação errada. Salvar a versão corrompida sobre o original pode dificultar a recuperação.

Um CSV armazena texto e separadores. O nome do arquivo não identifica sua codificação com segurança, e ele não conserva a mesma formatação de uma pasta de trabalho do Excel. Ler os bytes corretamente é a primeira etapa; preservar códigos e datas na planilha é uma etapa separada.

Escolha a codificação usada na gravação

UTF-8 é amplamente usado na troca moderna de texto. Exportações antigas da China continental podem usar GBK ou outra codificação chinesa relacionada; alguns arquivos em chinês tradicional usam Big5. Uma frase com caracteres tradicionais não prova que o arquivo seja Big5: arquivos Unicode podem conter ambas as formas de escrita.

Quando possível, pergunte ao remetente qual codificação ele usa na exportação. Se essa informação não estiver disponível, teste as opções na prévia e confira palavras reais, nomes incomuns e pontuação. Um decodificador aceitar os bytes sem erro não comprova que a escolha esteja correta.

Use a prévia de importação do Excel

Em vez de depender do clique duplo, use o fluxo de importação de texto ou CSV do Excel. Nas versões atuais para desktop, ele costuma ficar na guia Dados, em uma opção de importação de Texto/CSV. Escolha a codificação de origem e o delimitador, confira a prévia e só então carregue a tabela. Os nomes dos menus variam conforme a versão e o idioma.

A marca de ordem de bytes do UTF-8, ou BOM, pode ajudar o Excel a reconhecer UTF-8 ao abrir um arquivo diretamente. Ela é uma assinatura de codificação no início do arquivo, não parte do nome da primeira coluna. Alguns sistemas seguintes esperam UTF-8 sem BOM, portanto escolha a saída exigida pelo próximo aplicativo.

Converta uma prévia legível para UTF-8

1. Abra uma cópia de até 5 MB no conversor de codificação de arquivos chineses.
2. Selecione a codificação real de origem e leia a prévia.
3. Confira vários nomes ou descrições em chinês, não apenas o cabeçalho.
4. Exporte em UTF-8, escolhendo BOM quando for adequado ao aplicativo de destino.
5. Reabra o arquivo exportado e compare linhas representativas com a origem.

Trocar a extensão do nome ou adicionar BOM não transforma bytes GBK em bytes UTF-8. A conversão precisa primeiro decodificar corretamente o texto original e depois codificar esse texto no formato de destino.

Preserve zeros iniciais e códigos longos

Mesmo quando o chinês aparece corretamente, o Excel pode interpretar um código como número ou data. Defina as colunas correspondentes como texto durante a importação. Um identificador como 001234 deve manter seus seis caracteres; exibi-lo como 1234 elimina informação.

Diferenças de largura também afetam a correspondência entre dados. Se um arquivo contém Ａ１２３ e outro contém A123, aplique conscientemente uma conversão de largura nesse campo. Isso não corrige um problema de codificação e não deve ser aplicado indiscriminadamente a textos corridos.

Separe três sintomas comuns

Esses problemas podem ocorrer juntos, mas têm causas diferentes. Escolher UTF-8 não separa automaticamente um arquivo delimitado por ponto e vírgula quando o importador espera vírgulas. Selecionar um delimitador não recupera caracteres chineses decodificados incorretamente. Definir uma coluna como texto protege identificadores, mas não determina a codificação original.

Confira a prévia nesta ordem: texto legível, limites corretos dos campos e tipos adequados de coluna. Use algumas linhas com chinês, um código iniciado por zero e um campo com pontuação. Um cabeçalho composto apenas de letras ASCII pode parecer correto em várias codificações, portanto não basta para confirmar o restante do arquivo.

Guarde uma pequena amostra de comparação

Para um arquivo ilustrativo de teste, use três campos: nome, código e observação. O nome pode ser 李明, o código 001234 e a observação uma frase curta em chinês. São dados de teste, não um cadastro real de cliente. Guarde o texto esperado junto ao arquivo para comparar os mesmos valores depois de cada importação ou exportação.

Se um campo contiver o delimitador do arquivo ou uma quebra de linha interna, o gerador do CSV precisa usar aspas corretamente. Por isso, o número de linhas de texto nem sempre equivale ao de registros: uma célula entre aspas pode conter uma quebra de linha. Ao conferir a exportação, compare as linhas e colunas realmente interpretadas, em vez de declarar o arquivo completo porque o número de linhas visíveis parece plausível.

Depois da conversão para UTF-8, reabra o novo arquivo escolhendo UTF-8 explicitamente e compare os valores da amostra. Em seguida, teste a importação no aplicativo que de fato receberá o arquivo. A codificação pode estar correta, mas o delimitador ou a ordem das colunas ainda pode ser diferente do que o processo espera.

Escolha a saída conforme a próxima etapa

UTF-8 com BOM é útil em alguns fluxos de abertura direta no Excel porque a assinatura ajuda a identificar a codificação. Outro importador pode esperar UTF-8 sem BOM. Nenhuma opção é sempre melhor: use o formato especificado pelo próximo aplicativo e teste com as mesmas linhas representativas.

Uma BOM não recupera texto que já foi decodificado incorretamente antes da exportação. Se a prévia mostrar caracteres errados, pare antes de salvar e corrija a escolha da codificação original. Adicionar uma assinatura UTF-8 a esses caracteres apenas identificaria um novo arquivo que continuaria com o texto errado.

Se você precisa manter fórmulas, várias abas, estilos de células ou uma estrutura de planilha mais complexa, CSV não substitui uma pasta de trabalho. Quando esses recursos importarem, mantenha a pasta de trabalho como documento de edição e exporte CSV para a etapa específica de transferência de dados. Assim, uma conversão de texto bem-sucedida não será confundida com a preservação de todos os recursos da planilha.

Reconheça informações já perdidas

Se o arquivo salvo já tiver caracteres de substituição ou pontos de interrogação literais no lugar do chinês, outra codificação talvez não o restaure. Volte a um original intacto ou peça uma nova exportação. Um conversor pode reinterpretar bytes existentes; não pode reconstruir texto sobrescrito que deixou de existir.