大 CSV 文件怎么拆分？按行切片、按字段分组与交付检查指南

一个 CSV 文件太大，打不开、发不出去或无法分别交给不同团队时，最直接的办法是拆分。但“每几千行切一个文件”和“每个客户导出一个文件”解决的是两类问题，选错规则会让文件数量、表头和数据归属都变得难以核对。

可以使用 CSV 按行拆分 / 按字段分组工具 在浏览器本地处理 CSV 或 TSV。它会解析带引号的字段与字段内换行，可重复写入表头，并支持单个抽查或打包 ZIP 下载。

按行拆分和按字段分组有什么区别

按行拆分只关心每个文件最多放多少条数据。例如 25,300 条订单按每份 5,000 条拆分，会得到五个 5,000 行文件和一个 300 行文件。它适合上传接口有行数限制、邮件附件过大、人工分批处理等场景。

按字段分组则根据某一列的值决定文件归属。例如按 marketplace 分成 US、UK、DE，按 customer_id 给每位客户单独交付，或按 warehouse 把库存表发给不同仓库。组内行数可能差异很大，文件数量取决于唯一字段值数量。

如果只是为了让文件变小，用按行拆分；如果每个文件要代表一个业务对象，用按字段分组。不要先按行切片再人工按客户整理，这会让同一客户散落到多个文件。

CSV 的“行”不一定等于文本换行

CSV 允许单元格被双引号包围。被引号包围的备注、地址或商品描述可以包含逗号，甚至包含换行：

order_id,note
1001,"客户要求：
周五之前送达"

这段文本看起来有三行，但只有表头和一条数据记录。如果简单按 \n 切割，会把一条订单拆坏。可靠的拆分必须逐字符识别引号、转义双引号和分隔符，再按完整记录输出。拆分完成后，也要用至少一个含逗号、双引号和换行的样本复核。

表头、列数和空值如何处理

第一行通常是表头，每个拆分文件都应重复写入，否则下游不知道每列含义。如果源文件没有表头，应明确关闭“第一行是表头”，并在交付说明中提供列定义。

不同数据行列数不一致时，常见原因包括未正确引用的逗号、末尾空列或导出系统中途增加字段。工具会补齐短行并提示数量，但这只是为了保持矩形表格，不代表数据已经正确。列数异常的源行必须回到原系统核对。

按字段分组时，空值会单独形成“空值”组。US、us 和 US 默认也是三个不同值，因为它们在源数据中并不完全相同。正式拆分前可以先统一大小写、清理首尾空格，避免同一站点产生多个文件。

UTF-8 BOM 什么时候需要开启

UTF-8 本身不要求 BOM，但部分 Windows 版 Excel 直接双击 CSV 时，会借助 BOM 判断中文编码。交付对象主要用 Excel 时，加入 UTF-8 BOM 通常更省事；数据要进入数据库、脚本或 API 时，应先确认下游是否接受 BOM。

BOM 只影响文件开头的编码标记，不会修复源文件原本使用 GBK、Big5 等编码造成的乱码。如果导入后已经乱码，应先用正确字符集读取，再转成 UTF-8。

为什么要考虑 CSV 公式注入

以 =、+、- 或 @ 开头的单元格，在某些表格软件里可能被当作公式。外部客户名称、备注或网页采集内容若包含这类前缀，打开导出文件时可能出现计算、链接或误导性显示。

面向人工打开的文件可以开启公式保护，在危险前缀前添加单引号，让软件按文本处理。它会改变原始值，因此进入可信数据管道、并且负数必须保持数值时，应先与下游确认规则，而不是机械开启。

分组文件名和文件数量要控制

字段值可能含斜杠、冒号、问号等文件系统不允许的字符，也可能有不同原值清洗后得到同一个文件名。合格的工具应替换非法字符，并给重名结果追加序号，而不能静默覆盖前一个文件。

如果按订单号分组，几十万条订单可能生成几十万个小文件，浏览器打包和操作系统解压都会很慢。分组前先估算唯一值数量；数量过多时，改用地区、客户或日期等更高层级字段，或在数据库与脚本中流式处理。

下载 ZIP 前的交付检查

1. 原始数据行数是否等于所有拆分文件数据行数之和。
2. 每个文件的表头、列顺序和分隔符是否一致。
3. 含逗号、双引号、中文和换行的样本是否完整。
4. 空分组、大小写差异和重名文件是否符合预期。
5. Excel 与目标导入系统是否都能正确识别编码。
6. 随机打开至少两个文件，并核对首行、末行与源数据。
7. 原始文件是否单独保留，避免 ZIP 成为唯一副本。

拆分的目标不是单纯得到更多文件，而是让每一条记录都有明确归属，并且拆分前后的总量、结构和字符内容都可以复核。