CSV列順の並び替えで列数が違う行はどうなるか

CSVの表で、特定の行だけ値が1列ずつずれていたり、最後の列がいつも空になっているのを見かけたとしても、ファイルが壊れているわけではありません。その行の列数が元のヘッダーより少ないか多いために起きていることです。
CSVの列順を入れ替えるツールに限らず、区切り文字で値を分割するほとんどのプログラムは、列が足りないときは末尾に空の列を埋め、余った列は末尾からそのまま切り捨てます。どの列が実際に空だったのかまでは教えてくれません。
要点 ① 行の列数がヘッダーより少ないときは、足りない分だけ必ず末尾に空の列が埋められます。 ② 行の列数がヘッダーより多いときは、超過分は必ず末尾からそのまま切り捨てられて消えます。 ③ どの列が元々空だったのかは教えてくれないので、順序を入れ替える前に列数を自分で数えて確認する必要があります。
列数が違う行は、なぜ問題になるのか
従業員名簿のCSV(名前, 部署, 役職, 年収)を整理していて、まだ役職が決まっていない新入社員の行から「役職」の列と、その前後のカンマまで一緒に消してしまったとします。この行は列が3つしかないので、ヘッダーの4列より1つ足りません。
このCSVをそのまま列順の入れ替えツールに貼り付けると、足りない列は自動的に末尾に埋められます。ところが、この行で本当に空だったのは3番目の「役職」です。空の列は必ず最後の列にしか埋められないため、本来は年収の位置にあった数字が1列分前にずれて「役職」の位置に入り、本当は空になるはずの「年収」の列が代わりに空になります。
画面上はすべての列が埋まっているので正常に見えますが、実際にはその行の値全体が1列ずつずれている状態です。列順を入れ替える作業自体は正確に行われても、ずれている値をそのまま移動するだけなので、ずれは直りません。
順序を入れ替える前に、列数をこうやって確認します
ツールを使わなくても確認できます。ExcelやGoogleスプレッドシートでCSVを表として分割せず、テキストのまま1つのセルに貼り付けてから、次の数式でそのセルに区切り文字がいくつ入っているかを数えられます。
=LEN(A1)-LEN(SUBSTITUTE(A1,",",""))+1
この値は、その行にカンマで区切られた列がいくつあるかを表します。ヘッダーがある1行目に同じ数式を入れて出た数字と、各データ行の数字を並べて比べれば、どの行がヘッダーより列が少ないか多いかがすぐに見つかります。区切り文字がセミコロンやタブなら、数式のカンマ(",")の部分だけをその文字に変えれば大丈夫です。
行が数行しかないなら、目でカンマの数を数えるのも手です。ただし数十行を超えると、数式なしで数えるのは間違えやすく、毎回繰り返すのも面倒です。
Dynamic Labsの無料ツールで確認する。 列数をいちいち数えなくても、CSVを貼り付けて「列情報を読み込む」を押せば、ヘッダーがいくつとして認識されたかが列ブロックの数でひと目でわかり、矢印で順序を入れ替えたあとは結果のCSVまでその場で作ってくれます。
無料・登録不要・貼り付けたCSVはブラウザの外に送信されません

よくつまずくポイント
| 状況 | 実際に起きること |
|---|---|
| 行の列数がヘッダーより少ない | 足りない分だけ末尾に空文字列が埋められます(元々空だった位置ではありません) |
| 行の列数がヘッダーより多い | ヘッダーの数を超えた列は末尾からそのまま切り捨てられて消えます |
| 完全な空行(空白だけの行) | パース前に取り除かれ、結果にはまったく現れません |
| 値の前後にある空白 | 列情報を読み込む過程で一緒に取り除かれます |
| 区切り文字がパイプ(|)やその他の文字 | カンマ・セミコロン・タブの3種類からしか選べません |
表で特に目を引くのは、列がはみ出す行です。値の中に区切り文字が誤って1つ多く入ると、その行だけ列が1つ増えますが、この場合は超過した最後の列が丸ごと消えるので、元々あったデータが静かに失われます。
まとめ
- 行の列数がヘッダーより少ないときは足りない分だけ末尾に空の列が埋められ、多いときは末尾からそのまま切り捨てられます。
- どの列が元々空だったのかは位置だけではわからないため、途中の列が空の行は、それ以降の値がすべて1列ずつずれているように見えることがあります。
- 順序を入れ替える前に、ヘッダーと各行の列数が同じかどうかを数えて確認すれば、この問題をあらかじめ防げます。
- 完全な空行は結果から自動的に除外され、各列の前後の空白も一緒に整理されます。
無料・登録不要・貼り付けたCSVはブラウザの外に送信されません
よくある質問
列が足りない行かどうかを事前に見分ける方法はありますか?
ヘッダーと比べて各行の区切り文字の数を数えて比べる方法がもっとも確実です。Excel・Googleスプレッドシートで =LEN(A1)-LEN(SUBSTITUTE(A1,",",""))+1 の数式を使い、行ごとの列数を出して、ヘッダー行の数字と違う行を探せばOKです。ツールの場合は、「列情報を読み込む」を押したときに表示される列ブロックの数がヘッダーの列数と同じかどうかで、おおよそのチェックができます。
列がはみ出す行は、どこが切り取られるのですか?
ヘッダーの数を超えた列は、必ず末尾から切り捨てられます。たとえばヘッダーが4列なのに、ある行に6つの値があると、前の4つだけが残り、5番目と6番目の値はそのまま消えます。どの列が元々あった値なのかは順序からは判断できないので、はみ出す行がある場合は、並び替える前に元のデータで値を直接確認したほうが安全です。
区切り文字がカンマ・セミコロン・タブでない場合はどうすればいいですか?
このツールが対応している区切り文字は、カンマ、セミコロン、タブの3種類だけです。パイプ(|)やその他の文字で区切られたファイルなら、テキストエディタの検索・置換でその区切り文字を先にカンマへ変えてから貼り付けてください。ただし、値の中に元々カンマが入っている場合は、この方法だと区切り文字と値のカンマが混ざる可能性があるので、そうした値がないか先に確認しておくのがおすすめです。
空白だけの空行は結果にそのまま残りますか?
いいえ。完全な空行(空白だけの行)は、CSVを読み込む段階で取り除かれるため、結果には現れません。わざと空行を区切り線のように入れておいた場合は、並び替え後にその空行が消える点を考慮しておく必要があります。
この記事は韓国語の原文をもとに作成しています。 韓国語の原文を読む