¿Qué juego de caracteres usa Microsoft Excel al guardar archivos?

Question

Tengo una aplicación Java que lee archivos CSV que se han creado en Excel (por ejemplo, 2007). ¿Alguien sabe qué charset MS Excel usa para guardar estos archivos?

Me hubiera adivinado ya sea:

• ventanas-1255 (Cp1255)
• ISO-8859-1
• UTF8

pero no soy capaz de decodificar caracteres extendidos (por ejemplo, letras acentuadas en francés) usando cualquiera de estos tipos de juegos de caracteres.

Answer 1

archivos CSV podrían estar en cualquier formato, dependiendo de qué opción de codificación se especificó durante la exportación desde Excel: (diálogo Guardar, botón Herramientas, Opciones Web de artículos, Codificación Tab)

ACTUALIZACIÓN: Excel (incluyendo Office 2013) en realidad no respeta las opciones web seleccionadas en el cuadro de diálogo "guardar como ...", por lo que este es un error de algún tipo. Solo uso OpenOffice Calc ahora para abrir mis archivos XLSX y exportarlos como archivos CSV (edite la configuración del filtro, elija la codificación UTF-8).

Answer 2

OOXML archivos como los que vienen de Excel 2007 están codificados en UTF-8, según la wikipedia. No sé sobre los archivos CSV, pero es lógico que use el mismo formato ...

Answer 3

Tuve un problema similar la semana pasada. Recibí varios archivos CSV con distintas codificaciones. Antes de importar a la base de datos, utilicé el chardet libary para olfatear automáticamente la codificación correcta.

Chardet es un puerto del motor de detección de caracteres de Mozillas y si el tamaño de muestra es lo suficientemente grande (un carácter acentuado no funciona) funciona muy bien.

Answer 4

Russian Edition ofrece CSV, CSV (Macintosh) y CSV (DOS).

Al guardar en simple CSV, usa windows-1251.

Sólo traté de salvar palabra francesa Résumé junto con el texto ruso, que ha guardado en HEX como 52 3F 73 75 6D 3F, 3F siendo el código de ASCIIquestion mark.

Al abrir el archivo CSV, la palabra, por supuesto, se convirtió en ilegible (R?sum?)

Answer 5

CP1250 se utiliza ampliamente en documentos de Microsoft Office, incluyendo Word y Excel 2003.

http://en.wikipedia.org/wiki/Windows-1250

Una manera simple de confirmar esto sería:

1. Crear una hoja de cálculo con una mayor ordenar personajes, p. "Veszprém" en una de las celdas;
2. Use su lenguaje de scripting favorito para analizar y decodificar la hoja de cálculo;
3. Mire lo que produce el script cuando imprime los datos decodificados.

Ejemplo script Perl:

#!perl 

use strict; 

use Spreadsheet::ParseExcel::Simple; 
use Encode qw(decode); 

my $file = "my_spreadsheet.xls"; 

my $xls  = Spreadsheet::ParseExcel::Simple->read($file); 
my $sheet = [ $xls->sheets ]->[0]; 

while ($sheet->has_data) { 

    my @data = $sheet->next_row; 

    for my $datum (@data) { 
     print decode('cp1250', $datum); 
    } 

} 

Answer 6

De memoria, Excel utiliza la codificación ANSI específica de la máquina. Así que este sería Windows-1252 para una instalación EN-US, 1251 para ruso, etc.

Answer 7

Si bien es cierto que exportar un archivo de Excel que contenga caracteres especiales para csv puede ser un fastidio, sin embargo, hay un trabajo simple: simplemente copie/pegue las celdas en un google docs y luego guarde desde allí .

Answer 8

Se podría utilizar este código de Visual Studio VB.Net para obtener la codificación:

Dim strEncryptionType As String = String.Empty 
Dim myStreamRdr As System.IO.StreamReader = New System.IO.StreamReader(myFileName, True) 
Dim myString As String = myStreamRdr.ReadToEnd() 
strEncryptionType = myStreamRdr.CurrentEncoding.EncodingName 

Answer 9

Despertar este viejo hilo ... Ahora estamos en 2017. Y todavía Excel no puede guardar una simple hoja de cálculo en un formato CSV conservando la codificación original ... Simplemente increíble.

Afortunadamente Google Docs vive en el siglo correcto. La solución para mí es simplemente abrir la hoja de cálculo con Google Docs, luego descargarla de nuevo como CSV. El resultado es un archivo CSV codificado correctamente (con todas las cadenas codificadas en UTF8).