Dividir CSV

Como dividir um arquivo CSV

1. Abra um arquivo .csv, .tsv ou .txt, arraste-o para a ferramenta ou cole as linhas. A primeira linha é tratada como cabeçalho.
2. Escolha o critério de divisão e informe o número de linhas, o tamanho máximo em bytes, a quantidade de arquivos ou a coluna.
3. Liste as partes para ver o nome, o número de linhas e o tamanho de cada arquivo; depois baixe uma parte só ou todas em um único ZIP.

As partes recebem o nome do arquivo original: orders.csv vira orders-part-001.csv, orders-part-002.csv… Um arquivo .tsv mantém a extensão .tsv. O ZIP se chama orders-parts.zip.

Formas de dividir

Como os dados mais delicados são tratados

• Valores entre aspas que contêm o delimitador ou quebras de linha continuam dentro do seu registro, lidos conforme a RFC 4180. Um endereço com várias linhas nunca fica dividido entre duas partes.
• Os registros são copiados como bytes brutos, sem serem interpretados e regravados: aspas, quebras de linha e zeros à esquerda ficam exatamente iguais. Uma marca de ordem de byte UTF-8 no início do arquivo é gravada no início de cada parte, então o Excel continua reconhecendo cada uma como UTF-8.
• Linhas em branco entre registros são ignoradas. Se o último registro não tem quebra de linha, a parte recebe a quebra de linha usada no próprio arquivo.
• Os valores da coluna são comparados de forma exata: West e west geram arquivos separados. Como muitos sistemas de arquivos não diferenciam maiúsculas de minúsculas, o segundo se chama orders-west-2.csv em vez de sobrescrever o primeiro.
• Nos nomes de arquivo, caracteres como / \ : * ? " < > | viram _, os nomes são cortados em 60 caracteres e um valor vazio é gravado como orders-empty.csv. Use a coluna de valores na lista de partes para ver exatamente qual valor cada arquivo contém.

Codificações que podem ser divididas

A divisão trabalha diretamente sobre os bytes, o que é seguro para UTF-8 e para codificações de um byte, como Windows-1252 (comum em CSVs antigos com acentos). Arquivos UTF-16 não podem ser divididos assim; salve-os antes em UTF-8, por exemplo com Formatar CSV. Arquivos Shift_JIS, GB18030, GBK e Big5 podem ser divididos quando o delimitador é vírgula, ponto e vírgula ou tabulação, mas não barra vertical, porque nessas codificações o byte da barra vertical pode aparecer dentro de um caractere. A ferramenta avisa antes de começar quando um arquivo não pode ser dividido.

Solução de problemas

• Um registro é maior que o tamanho de parte escolhido. Aumente o tamanho máximo; ele precisa comportar o cabeçalho mais o maior registro.
• Esta divisão criaria mais de 1.000 arquivos. Aumente as linhas por arquivo ou o tamanho, ou escolha menos arquivos.
• Esta coluna tem mais de 1.000 valores distintos. Divida por uma coluna mais ampla, como região em vez de cliente, ou filtre o arquivo antes.
• Um valor entre aspas nunca é fechado. Uma aspa aberta em algum ponto do arquivo não foi fechada, e o restante do arquivo viraria um único registro. Encontre o ponto com Validar CSV.

Arquivos grandes e privacidade

A divisão não se limita a 25 MB. Um arquivo maior mostra uma prévia das primeiras 200 linhas, e a divisão lê o arquivo inteiro em blocos de 8 MB, mantendo o uso de memória baixo. As partes ficam guardadas como dados de arquivo do navegador até você baixá-las; o limite prático é o espaço livre que o seu navegador pode usar.

A divisão roda em um worker em segundo plano nesta aba, e Cancelar interrompe o processo. O arquivo nunca é enviado a um servidor. Para juntar as partes de novo, use Juntar arquivos CSV; para diminuir um arquivo sem cortá-lo, use Compactar CSV.

Exemplo

Uma pequena exportação de pedidos com quebras de linha CRLF (mostradas aqui como quebras comuns) e uma observação em duas linhas, dividida em partes de 2 linhas com o cabeçalho repetido. A quebra de linha entre aspas fica dentro do pedido A2, e o último registro, que não tinha quebra de linha na entrada, recebe a terminação CRLF do arquivo.

order_id,region,note
A1,West,ok
A2,East,"two
lines"
A3,West,"a, b"
A4,,late
A5,east,ok

orders-part-001.csv (2 rows)
order_id,region,note
A1,West,ok
A2,East,"two
lines"

orders-part-002.csv (2 rows)
order_id,region,note
A3,West,"a, b"
A4,,late

orders-part-003.csv (1 row)
order_id,region,note
A5,east,ok