adattípus-kezelés text fájl importálásakor
2018-06-08 Excel 2016
Az adattípus-kezelés I. című cikkben az Excel-táblázat importálásakor alkalmazott adattípus-kezelő automatizmusokat ismertettem, most pedig a formázást nem tartalmazó szövegfájl importálásakor előforduló adattípus-kezelő műveleteket mutatom be.
A táblázatos adatkezelő programok leggyakoribb adatcsere-formátuma a formázást nem tartalmazó szövegfájl. Kiterjesztése „txt”. A táblázatban egy sorban álló adatok a szövegfájlban is egy sort képeznek. A szövegfájl minden sora azonos számú adatot tartalmaz, meghatározott karakterrel szeparálva, vagy szóközökkel, valóságos oszlopokat képezve. A szövegfájl, első sorában, tartalmazhatja az oszlopneveket is. A bővítmény csak az elkülönítő-karakteres állományok importálására képes, a szóközökkel oszlopokba rendezett típust nem tudja kezelni.
A táblakészítést megelőző eljárás azonos a már megismerttel: a bővítmény a forrás-oszlop vizsgálata alapján megállapítja a létrehozandó mező adattípusát, majd az ettől a típustól eltérő adatokat a beolvasás előtt, konvertálással, csonkolással, helyettesítéssel és szelektálással egységesíti. Az elkészült tábla minden mezőjében már azonos adattípusú bejegyzések állnak.
Az adattípus megállapításánál a bővítmény az oszlop első huszonöt sorát elemzi. Megkülönböztet szöveget, egész és tört számot valamint dátumot. A mező adattípusa az első huszonöt sorban leggyakrabban előforduló típus lesz. Ha két adattípus egyenlő számban fordul elő, akkor az adattípusok rangsora dönt: szám > dátum > szöveg. Az egyes sorokban hiányzó adatok az adattípus-meghatározást nem befolyásolják. Az első huszonöt helyen adatot nem tartalmazó oszlop adattípusát a bővítmény szöveg típusúra állítja be. Ha egy oszlop első huszonöt sorában többségben számbejegyzések állnak és ezek közül akár csak egy is tört szám, akkor a mező adattípusa tizedes tört szám lesz. Ha az első huszonöt sor számai mind tört rész nélküliek, akkor a bővítmény a létrehozandó mezőnek egész szám adattípust határoz meg.
A képen egy tabulátorokkal tagolt szövegfájl, első huszonhat sorát látjuk. Az első sor tartalmazza az oszlopok neveit. Milyen adattípust határoz meg a bővítmény a leendő mezőknek? Az oszlop1 mező adattípusa szöveg lesz, mert a karakterláncok száma nagyobb, mint a számok darabszáma. A hiányzó adatok az adattípus-meghatározást nem befolyásolják. Az oszlop2-ben azonos darabszámú szám és karakterlánc áll, ezért az adattípusok rangsora dönt. Tehát az oszlop2 mező adattípusa egész szám lesz. Az oszlop3 első huszonöt sora nem tartalmaz adatot, ezért a belőle képzett mező adattípusa szöveg lesz. Az oszlop4 mezőnek a PowerPivot egész szám adattípust fog meghatározni, mivel az első huszonöt szám tört rész nélküli. Az oszlop5 nyolcadik sorában egy tizedes tört áll és ez az egyetlen érték már tizedes tört szám adattípusú mezőt fog eredményezni.
Miután számba vettük az adattípus-meghatározás legfontosabb szabályait, vegyük sorra, milyen adattípusúnak látja a bővítmény a text fájlban álló adatokat. A PowerPivot szövegként detektálja [1] a karakterláncokat, [2] a logikai értékeket, [3] a szóközökkel ezres csoportokba rendezett számokat, [4] a pontot és a vesszőt (ezres- és tizesedes elválasztó) egyaránt tartalmazó számokat, [5] a százalékokat, [6] a fel nem ismert pénzeket, [7] a fel nem ismert időpontokat, [8] és a fel nem ismert dátumokat. A szöveg adattípusú bejegyzések a mezőben balra igazítva jelennek majd meg. Lássunk néhány példát!
Néhány elgondolkodtató részletet is megfigyelhetünk a képen. A bővítmény text fájlban nem ismeri fel a program magyar pénznem formátumát (Excel 2016), sőt a vezérlőpult szerinti (Windows 10), magyar rövid- és hosszú dátum formátumát sem.
A bővítmény egész- vagy tizedes tört számként detektálja [1] a csak számokat tartalmazó adatokat, illetve a kötőjellel (negatív előjel) kezdődő számokat, [2] az egy pontot vagy egy vesszőt (tizedes elválasztó) tartalmazó számokat, [3] a normál alakú számokat és [4] a felismert pénzeket.
Ezen a képen is találunk érdekességet. A negyedik oszlopban látjuk, hogy a számunkra fontos, pénznem jelölőket (Ft, €, $) felismeri a PowerPivot, akkor is, ha közvetlenül a szám után állnak és akkor is, ha egy szóköz választja el őket a számtól. Sőt, a bővítmény még a szám előtt állva is, szóközzel vagy anélkül, felismeri őket és tizedes tört szám adattípust állít be számukra.
A PowerPivot dátumként detektálja: [1] a felismert időpontokat és [2] a felismert dátumokat. A pozitív tizedes törteket, amelyeknek egész része kisebb huszonnégynél, törtrésze kisebb hatvannál és tizedes elválasztójuk vessző a bővítmény időpontnak tekinti, amelyben a szám egész része az órák számát-, tört része a percek számát adja.
A képen megfigyelhető, hogy a bővítmény egyaránt felismeri a dátum egységek magyaros (évek, hónapok, napok) és angolos (napok, hónapok, évek) sorrendjét is.
A mező adattípusának meghatározása után, mi történik azokkal az adatokkal, melyek típusa nem azonos a beállítottal? Erre a kérdésre ad választ a következő kép.
Vegyük sorra a kép tanulságait! Az egész szám adattípusú mezőbe a bővítmény a tört számot egészre csonkolva olvassa be, a dátumot és a szöveget nem importálja. A tizedes tört szám adattípusú mezőbe csak egész számot tudunk beolvastatni, dátumot és szöveget nem. A dátum adattípusú mezőbe csak dátum kerülhet. A szöveg adattípusú mezőben a másik három adattípus szövegként lesz elhelyezve.
A tábla elkészülte után, a csak logikai értékeket tartalmazó szöveg-mezőt és a szám-mezőket átállíthatjuk igaz/hamis, illetve pénznem típusúra a Kezdőlap, Formátum, Adattípus utasítással.
margitfalvi.arpad@gmail.com
