Un CSV letto male cambia il punteggio del modello: come controllare il separatore

👁 111 letture
In un preventivo italiano la virgola separa spesso euro e centesimi. Se la tratto automaticamente come confine tra colonne, un solo importo diventa due campi. Prima controllo il dialetto del CSV, poi interpreto il valore monetario.
L’analisi del caso: i preventivi didattici
Immaginiamo di dover elaborare una tabella di preventivi didattici. In questo scenario, la precisione è tutto. Abbiamo una struttura dove ogni riga rappresenta un corso e le colonne includono il nome del corso, il costo e una cella specifica per le note. Il problema sorge dalla natura stessa del dato numerico: i preventivi potrebbero essere espressi con la virgola come separatore decimale (comune in Italia) o con il punto. Se il file CSV utilizza il punto e virgola come separatore di campo, ma il codice si aspetta la virgola, il sistema leggerà l’intera riga come un unico blocco di testo. Ancora peggio, se il separatore di campo fosse la virgola e il valore fosse “12,50”, il parser dividerebbe il numero in due campi distinti, “12” e “50”, portando a un errore di calcolo macroscopico.
In questo contesto, è fondamentale evitare l’uso di funzioni manuali come lo split delle stringhe. Se utilizziamo uno split manuale, dobbiamo gestire manualmente le citazioni, i ritorni a capo e le sottigliezze dei dialetti CSV. È più sicuro affidarsi alle librerie standard progettate per gestire queste ambiguità. L’approccio corretto si basa sulla distinzione netta tra la fase di parsing e la fase di validazione.
Decidere il metodo di lettura
Quando mi trovo davanti a un file di origine sconosciuta, la prima decisione da prendere riguarda il riconoscimento del formato. Non dobbiamo assumere che ogni file sia uguale. Esistono diversi modi per approcciare questa scelta a seconda della costanza della fonte di dati.
Se abbiamo a che fare con una fonte unica e costante, come un export di un software specifico, possiamo definire manualmente i parametri del dialetto. Se sappiamo che il software usa il punto e virgola come separatore di campo e la virgola come separatore decimale, configuriamo il lettore con questi parametri fissi.
Tuttavia, se riceviamo file da molteplici fornitori diversi, la strategia cambia. In questo caso, è possibile utilizzare strumenti di rilevamento automatico. Il modulo csv in Python include la classe Sniffer, che permette di analizzare un campione del file per dedurre il separatore, il carattere di citazione e il tipo di terminatore di riga. Questo approccio è fondamentale per la robustezza del software: il sistema identifica il formato prima di iniziare la lettura vera e propria, restituendo un dialetto che può essere passato al lettore per una corretta interpretazione dei dati.
Cambiamenti nelle decisioni in base alle condizioni
Scelgo il dialetto del lettore CSV osservando il file che ho davvero davanti. Per capire quanto conti questa scelta, confronto due righe costruite con convenzioni diverse.
Nel primo scenario, il file contiene numeri con virgole decimali e il separatore di campo è il punto e virgola. Qui, il parsing deve identificare correttamente la colonna del prezzo come una stringa che contiene una virgola. Se il parser fosse configurato per usare la virgola come separatore di campo, fallirebbe o produrrebbe risultati errati perché confonderebbe la virgola del numero con il separatore di campo, spezzando erroneamente il valore numerico in due colonne distinte.
Nel secondo scenario, il file potrebbe avere i numeri con il punto decimale e la virgola come separatore di campo. In questo caso, la configurazione del lettore deve essere precisa: il separatore di campo è la virgola, ma il valore “10.50” deve rimanere intatto durante il parsing per essere convertito correttamente in un numero in una fase successiva.
Il parsing serve esclusivamente a separare le colonne. Non deve occuparsi della conversione del tipo di dato, a meno che non sia strettamente necessario e sicuro. È più pulito estrarre i dati come stringhe e poi applicare una logica di conversione che gestisca i separatori decimali.
Dove finisce il parsing e comincia la validazione
Questo è il punto cruciale della gestione dei dati: separare nettamente le due fasi.
Il parsing termina nel momento in cui il lettore CSV restituisce una lista di stringhe per ogni riga. In questa fase, ci occupiamo solo di dividere il file nelle sue componenti fondamentali. Se il file ha tre colonne, il parsing deve restituirci tre elementi. Tuttavia, un conteggio delle colonne errato non prova da solo l’uso del delimitatore sbagliato, poiché può derivare da più cause; è quindi necessario verificare anche le intestazioni e preparare un esempio limite per confermare l’ipotesi.
La validazione dei numeri comincia solo dopo che abbiamo ottenuto le stringhe pulite dal parser. Una volta ottenuta la stringa della cella del prezzo, ad esempio, dobbiamo pulirla da eventuali simboli di valuta, spazi bianchi o caratteri non numerici. Solo a questo punto interveniamo per convertire la stringa in un valore numerico. Se la conversione fallisce (ad esempio, se la stringa è “N/D” invece di un numero), la validazione segnala l’errore. Separando queste fasi, isoliamo il problema: se il parsing fallisce, il file è strutturalmente corretto ma il dialetto è sbagliato; se la validazione fallisce, il dialetto è corretto ma il dato contenuto è sporco o mancante.
Due errori comuni e i relativi rimedi
Il primo errore che vedo spesso è l’uso di split manuale sulle righe del file. Questo approccio fallisce non appena una cella contiene il separatore all’interno di una citazione. Ad esempio, se una nota in una cella dice “Prezzo; inclusivo di tasse” e il separatore è il punto e virgola, uno split sulla virgola non sarebbe il problema principale, ma uno split sul punto e virgola spezzerebbe la nota in due parti, spostando “inclusivo di tasse” nella colonna successiva. Il rimedio è utilizzare sempre un lettore CSV professionale che gestisca correttamente i caratteri di citazione (quotechars), come specificato nella documentazione standard.
Il secondo errore è la dipendenza eccessiva dalla conversione automatica durante il parsing. Alcune opzioni di lettura, come QUOTE_NONNUMERIC, possono convertire automaticamente le stringhe non quotate in float. Tuttavia, questo può essere pericoloso se il formato decimale non è standard o se il separatore di campo è ambiguo. Il rimedio è leggere tutto come stringa e creare una funzione di conversione dedicata che possa gestire esplicitamente la sostituzione del separatore decimale previsto prima della trasformazione in float, assicurando che il parser CSV non interferisca con la logica numerica.
Riepilogo delle best practice
| Cosa confronto | Come leggo il risultato |
|---|---|
| File di esempio | Campo nome e campo prezzo separati da punto e virgola; il valore 12,50 contiene una virgola decimale. |
| Virgolette | Un campo tra virgolette può contenere il separatore senza creare una nuova colonna. |
| Lettura | Usare un parser CSV con dialetto verificato e poi convertire il campo numerico con la convenzione prevista. |
| Controlli | Conto colonne, verifico intestazioni e preparo un esempio limite. Un conteggio sbagliato può avere più cause, non prova da solo il delimitatore sbagliato. |
Una riga di prova prima del file intero
Prima di convertire tutti i prezzi verifico una riga che contenga proprio la virgola decimale. Conto i campi dopo la lettura e verifico che il nome resti associato al prezzo giusto. Se la riga non passa, conservo quella originale. Sostituire tutte le virgole con punti cancellerebbe l’indizio senza dimostrare che ho capito la struttura.
FAQ
Perché non dovrei usare split() per leggere i file CSV?
L’uso di split() è rischioso perché non tiene conto delle regole di citazione. Se una cella contiene una virgola all’interno di virgolette, come “Città, Provincia”, lo split dividerà comunque la cella in due, spostando la provincia nella colonna successiva. Un lettore CSV dedicato riconosce le virgolette e tratta il contenuto interno come un unico blocco di dati.
In che modo la distinzione tra parsing e validazione aiuta la precisione del modello?
Questa distinzione permette di isolare gli errori di struttura dagli errori di contenuto. Se il parsing fallisce, sappiamo che il file è stato generato con un formato diverso da quello atteso (ad esempio, un separatore sbagliato). Se la validazione fallisce, sappiamo che il file ha la struttura corretta ma contiene dati corrotti o mancanti. Separarli ci permette di fornire messaggi di errore molto più chiari e di gestire i dati in modo più robusto.
Come posso gestire i file che usano la virgola come separatore decimale?
Il modo più sicuro è leggere il valore come una stringa durante la fase di parsing. Una volta ottenuta la stringa, puoi rimuovere eventuali spazi o simboli di valuta e poi sostituire manualmente la virgola con il punto. Solo dopo questa pulizia dovresti convertire la stringa in un valore numerico (float). Questo approccio garantisce che la virgola decimale non venga confusa con il separatore di campo durante la lettura iniziale.
Aggiornamento: 12 novembre 2026.
Google · Le tue fontiPiù in alto su Google con un solo clicAggiungi alle fonti preferite →Fonti
More on this from NITIDO
guide·Due elenchi di comuni, due date: recuperare la chiave Istat giusta👁 111 letture Per collegare due tabelle comunali italiane, controlla a quale anno si riferisce ciascuna e conserva il codice Istat come testo.

