CSV Datei funktioniert nicht?
Guten Tag,
ich arbeite im Moment an einem Projekt, bei dem ich Echtdaten verwenden soll. Ich habe eine CSV-Datei gefunden, die innovative Projekte aus Wien vorstellt. Ich habe gerade versucht, die Datei in Utf8 zu konvertieren und dann als Dataset in Mockaroo reinzugeben.
Es funktioniert aber nicht, ich habe schon versucht die Datei abzukürzen, um nicht über das Datensatzlimit zu kommen, es funktioniert aber immer noch nicht.
Da möchte ich jetzt euch fragen, wie muss ich die Datei konvertieren, damit sie korrekt gelesen wird?
Ich habe schon versucht mithilfe eines Java-Codes diese große Menge an Semicolons in einen Zeilenumbruch zu machen und damit dann eine CSV Datei zu "bauen". Dabei ist mir aufgefallen, dass die Semicolons pro Zeile unterschiedlich viele sind.
Hier die Datei als Link:
https://www.data.gv.at/katalog/dataset/7b40f5e9-ff50-4ec5-85f5-6606814dd143
1 Antwort
Die Datei wienwin.csv ist katastrophal formatiert. Da hat wohl eine österreichische Sekretärin mit Wörd gekämpft :-(
Ich kann die Datei aber mit LibreOffice 7.3.4.2 einlesen – mit folgenden Einschränkungen:
- Ich finde keinen passenden Zeichensatz. Mit Windows-1252 erscheinen die Umlaute nicht korrekt („Mšbel fŸr den šffentlichen Raum“), aber das kann man notfalls mit Suchen & Ersetzen reparieren. Vermutlich geht es eh nur um „ÄÖÜäöüß“ und noch irgendwo ein Aufzählungszeichen.
- Die Spalten A bis H sehen mit Überschrift plausibel aus. Dahinter kommen unzählige Leerspalten, und in den Spalten FO und FP erscheint wieder eine Beschreibung, die nach Entwürfen für die Zeilen D und H („Teaser fŸr HP“ und „Beschreibung_Lang“) aussehen.
Ich würde alles hinter H einfach löschen, alle Umlaute ersetzen (Š⇒ä, š⇒ö, Ÿ⇒ü, †⇒Ü, §⇒ß) und das Ganze wieder als CSV exportieren. Damit sollte Dein Programm dann klar kommen.
Hier kannst Du sie abholen − aber beeile Dich, denn ich werde sie nach Ostern wieder löschen.
Ich habe die Umlaute und ß repariert und ein paar Strg-K (Vertical Tab) durch Leerzeichen ersetzt, damit Dein Programm nicht stolpert. Ein paar typographische Anführungszeichen und Ähnliches werden immer noch falsch dargestellt. Ich hoffe, das stört nicht.
Die Spalte FO habe ich drin gelassen und Teaser_2 genannt. Spalte FP ist offenbar immer identisch mit Spalte H („Beschreibung_Lang“). Die habe ich gelöscht (1113 kB ⇒ 673 kB).
Hoppla, ich sehe gerade, dass das Zertifikat für den Link abgelaufen ist. Du bekommst wahrscheinlich eine Warnung, die Du ignorieren musst.
Es ist nur eine Text-Datei. Nicht einmal Windows kann dadurch Schaden nehmen.
Danke für deine Hilfe! Ich bin heute noch 8 Stunden dran gesessen. Ich schätze mal das File zu durchstöbern und skripts dafür zu schreiben ist nicht so ne gute Idee bei sowas
Ok danke sehr. Ich habe gestern mit dem File ungefähr 5 Stunden gekämpft und hab es irgendwie mit einem Script zu einem validen CSV umschreiben können. Jetzt sind aber die Daten so ziemlich zerstreut. Kannst du mir eventuell dein funktionales CSV schicken? Also falls du es umkonvertieren kannst.