Dividi un CSV troppo grande

Ogni pezzo si apre già con le colonne al posto giusto

La riga di intestazione viene ricopiata in cima a ogni pezzo, e non è un dettaglio estetico: senza, il portale che riceve il secondo file legge il primo cliente come se fossero i nomi delle colonne, e quel cliente sparisce. Vale lo stesso per Excel, per il gestionale e per chiunque riceva i pezzi: un CSV senza intestazione è una tabella di cui nessuno sa più che cosa contengono le colonne.

Davanti ai pezzi finiscono anche i tre byte che si chiamano segno UTF-8, quelli che fanno aprire a Excel «città» invece di «città ». È il motivo per cui lo stesso file si vede bene in un editor e male in Excel, ed è la lamentela numero uno di chi divide i CSV a mano. Con una eccezione, dichiarata: se il file di partenza non è scritto in UTF-8 (i gestionali italiani esportano ancora nella vecchia codifica di Windows) quel segno direbbe a Excel una cosa falsa, quindi non viene messo e la pagina te lo scrive.

I pezzi rimessi insieme ridanno il file di partenza, byte per byte

Questa pagina non riscrive niente: non ricodifica il testo, non tocca le virgolette, non cambia il separatore, non rimette in fila i decimali. Il file viene percorso a byte solo per segnare dove finisce ogni riga, e i pezzi sono ritagli dell'originale. La promessa si può scrivere in una riga sola, ed è quella su cui è costruito il collaudo: rimettendo insieme i pezzi, tolti il segno UTF-8 e le intestazioni ripetute, si riottiene esattamente il file di partenza.

Da qui viene anche il modo in cui vengono trattate le virgolette. Un campo può contenere il separatore, le virgolette raddoppiate e perfino un a capo dentro il campo, che è la trappola che rompe quasi tutte le divisioni fatte con un editor di testo: là dentro l'a capo non finisce la riga, e tagliare lì spezza il record a metà. Qui una riga finisce solo dove finisce davvero il record. Per lo stesso motivo una riga completamente vuota resta dov'è: buttarla sarebbe più pulito da vedere e romperebbe la promessa di sopra.

A righe o a peso: sono due domande diverse

«Cinquemila righe per volta» lo chiede un portale, che conta i record; «al massimo 10 MB» lo chiede una casella di posta o un modulo di caricamento, che conta i byte. Il conto in righe è esatto per definizione. Anche quello in peso lo è, e vale la pena dire perché: un pezzo qui è la somma di tre tratti di byte, quindi il suo peso si sa prima di scriverlo, non si stima; il pezzo si chiude prima di infilarci la riga che lo sfonderebbe, così ogni pezzo è il più lungo possibile. Prima di consegnartelo, il file montato viene comunque pesato davvero, e se il peso non coincide con il conto la pagina lo dice invece di darti un file di cui non sa rispondere.

Due cose da sapere sui megabyte. Qui 1 MB vuol dire un milione di byte, come li contano i siti e le caselle di posta: se chi chiede il file intendeva i 1.048.576 di Windows, i tuoi pezzi restano comunque sotto. E un allegato di posta viene riscritto in una forma che lo fa crescere di circa un terzo: con una casella che accetta 25 MB, il file vero deve stare sotto i 18-19. Se stai preparando un'email, punta lì. C'è infine il caso limite: una riga che da sola supera il limite non si può spezzare in due, quindi finisce in un pezzo suo e viene segnalata.

Quello che questa pagina non fa

Non apre i file di Excel. Un .xlsx è un archivio compresso, non un CSV, e il lettore di quegli archivi vive già in un'altra pagina del sito: tenerne due copie è il modo sicuro di farle divergere. Se quello che hai è un .xlsx, il passaggio è Da Excel a CSV.

Non ripara e non pulisce: se il file ha righe con un numero di colonne diverso, spazi di troppo o doppioni, quei difetti restano identici dentro i pezzi, perché i pezzi sono l'originale ritagliato. Il posto giusto per quel lavoro è Pulisci un CSV. Se invece devi fare il gesto contrario, cioè rimettere insieme più CSV in uno solo, c'è Unisci due CSV. E se i pezzi divisi qui vanno aperti in Excel senza perdere gli zeri davanti ai codici né trasformare i CAP in numeri, il passaggio è Da CSV a Excel.