CSV als Gzip oder ZIP komprimieren

So komprimieren oder entpacken Sie eine CSV-Datei

1. Öffnen Sie eine Datei oder ziehen Sie sie auf das Werkzeug. Bei einer Datei mit der Endung .gz oder .zip wechselt das Werkzeug zum Wiederherstellen; alles andere wird komprimiert.
2. Wählen Sie Gzip oder ZIP und eine Komprimierungsstufe von 1 bis 9. Der Standardwert 6 ist der übliche Kompromiss aus Größe und Zeit.
3. Starten Sie den Vorgang. Das Ergebnis wird heruntergeladen, und das Werkzeug zeigt die Größe vorher und nachher sowie das Verhältnis zwischen beiden.

Gzip oder ZIP?

Wird dieselbe Datei mit derselben Stufe komprimiert, entstehen jedes Mal identische Bytes, weil die Zeitstempel im Gzip-Header und in den ZIP-Einträgen fest vorgegeben sind statt der aktuellen Uhrzeit. Die Ausgabe eignet sich daher für Prüfsummen und für die Versionsverwaltung.

Was exakt erhalten bleibt

• Die Datei wird als Bytes behandelt, nicht als Tabelle, daher wird nichts neu codiert: Ein Export in Windows-1252 oder Shift_JIS, ein Semikolon als Trennzeichen, CRLF-Zeilenenden und ein UTF-8-Byte-Order-Mark kommen unverändert zurück. Führende Nullen und lange IDs bleiben unberührt, weil nie ein Wert gelesen wird.
• Zeilenumbrüche in Anführungszeichen und verirrte Anführungszeichen spielen für die Komprimierung keine Rolle; selbst eine fehlerhafte CSV-Datei wird so komprimiert und wiederhergestellt, wie sie ist. Um die Datei selbst zu prüfen, nutzen Sie CSV prüfen.
• Gzip speichert den Namen in Latin-1, wie RFC 1952 es verlangt. Ein Dateiname in einer anderen Schrift, etwa Chinesisch oder Kyrillisch, kommt daher womöglich nicht unversehrt zurück. Verwenden Sie für solche Namen ZIP, oder benennen Sie die Datei nach dem Wiederherstellen um.
• Enthält ein ZIP-Archiv zwei Dateien mit demselben Namen in verschiedenen Ordnern, werden beide unter diesem Namen wiederhergestellt. Benennen Sie sie beim Herunterladen um.

Fehler beim Wiederherstellen und schwache Komprimierung

• Dies ist keine Gzip- oder ZIP-Datei. Die ersten Bytes der Datei sind keine Gzip- oder ZIP-Signatur; es könnte eine normale CSV-Datei mit .gz im Namen sein oder ein anderer Archivtyp wie 7z oder RAR. Wechseln Sie zu Gzip oder ZIP, um sie stattdessen zu komprimieren.
• Die Gzip-Daten sind beschädigt oder unvollständig. Die am Dateiende gespeicherte Prüfsumme oder Länge stimmt nicht – meist wurde der Download abgebrochen. Laden Sie die Datei erneut herunter.
• Die ZIP-Daten sind beschädigt oder verwenden ein nicht unterstütztes Verfahren. Wiederherstellen lassen sich nur unkomprimiert gespeicherte und Deflate-Einträge; Verfahren wie Deflate64, BZIP2 oder LZMA werden nicht unterstützt. Auch passwortgeschützte ZIP-Dateien werden nicht unterstützt: Entpacken Sie sie mit einem Archivprogramm, das nach dem Passwort fragt.
• Die komprimierte Datei ist kaum kleiner. CSV-Dateien mit vielen unterschiedlichen Werten, etwa zufälligen IDs oder Hashes, lassen sich schlechter komprimieren als Daten mit vielen Wiederholungen, und sehr kleine Dateien gewinnen wenig, weil das Format einen festen Header hinzufügt. Eine Umwandlung in Parquet kann typisierte, spaltenorientierte Daten weiter verkleinern.

Große Dateien und Datenschutz

Hier gibt es keine Grenze von 25 MB, weil die Datei nie als Tabelle geladen wird: Sie wird in Abschnitten von 4 MB gelesen und als Datenstrom komprimiert oder wiederhergestellt. Das Wiederherstellen bricht mit einem Fehler ab, sobald die wiederhergestellten Daten insgesamt 4 GB überschreiten würden. Das schützt den Tab vor „ZIP-Bomben“, die sich auf riesige Größen entpacken.

Die Verarbeitung läuft in einem Hintergrund-Worker in diesem Tab, und Abbrechen beendet sie. Es wird nichts hochgeladen. Um eine große Datei stattdessen durch Zerlegen zu verkleinern, nutzen Sie CSV-Dateien aufteilen – dort lassen sich die Teile auch als eine ZIP-Datei herunterladen.

Beispiel: ein Export mit 12 Zeilen auf verschiedenen Komprimierungsstufen

Ein Bestellexport mit 12 Zeilen, Semikolons, Dezimalkommas und SKUs mit führenden Nullen (erste Zeilen abgebildet), insgesamt 374 Byte – so, wie ihn deutsches Excel typischerweise schreibt. Gzip ergibt auf den Stufen 1, 6 und 9 jeweils dieselben 185 Byte, weil die Datei so klein ist; ZIP fügt einen größeren Archiv-Header hinzu. Das Wiederherstellen beider Dateien liefert alle 374 Byte unverändert zurück.

order_id;region;sku;qty;amount
SO-1001;North;00123;1;19,90
SO-1002;South;00124;2;38,90
SO-1003;East;00125;3;57,90
SO-1004;West;00123;4;76,90
…

orders-march.csv.gz   185 bytes (49.5 %), restores to orders-march.csv
orders-march.zip      296 bytes (79.1 %), one entry: orders-march.csv
Restored orders-march.csv   374 bytes, identical to the original