Guias

Por que o Excel Corrompe CSVs UTF-8 — e Como o UTF-8 BOM Resolve

Evite que o Microsoft Excel estrague acentos e caracteres CJK em arquivos CSV inserindo o cabeçalho UTF-8 BOM de 3 bytes no navegador.

3 min de leitura

Resposta rápida: O Excel no Windows abre arquivos `.csv` UTF-8 usando a página de código ANSI local sempre que falta o marcador BOM de 3 bytes (`0xEF 0xBB 0xBF`). Prefixar o BOM UTF-8 e quebras `CRLF` localmente na memória do navegador garante a exibição correta de acentos e caracteres CJK.

Por que abrir um CSV UTF-8 válido com clique duplo falha no Excel do Windows

Painéis web modernos, scripts Python pandas e exportações de API salvam arquivos CSV em UTF-8 sem Byte Order Mark (BOM). Porém, quando o Excel no Windows abre um `.csv` via clique duplo, ele pula a detecção UTF-8 se não houver BOM e recorre à página de código ANSI do sistema (`Windows-1252`, `GBK`, `Shift-JIS` ou `CP949`).

Como resultado, caracteres perfeitamente válidos como `João`, `São Paulo`, `张伟` ou `東京` aparecem na hora como texto corrompido (mojibake), como `João` ou `São Paulo`.

  • UTF-8 sem BOM funciona em Unix/VS Code, mas falha no clique duplo do Excel.
  • O Excel verifica os primeiros 3 bytes (`0xEF 0xBB 0xBF`) antes de decodificar linhas CSV.
  • Quebras de linha CRLF (`\r\n`) do Windows também evitam colunas colapsadas em uma só.

A assinatura EF BB BF de 3 bytes explicada

Inserir o UTF-8 Byte Order Mark de 3 bytes (`0xEF 0xBB 0xBF`) direto no byte 0 sinaliza ao Excel, LibreOffice Calc e Power BI para decodificar todo o fluxo como UTF-8 estrito.

Diferente de abrir em um editor de texto e salvar manualmente (o que costuma cortar zeros à esquerda em CEPs ou transformar IDs longos em notação científica), a inserção de BOM em nível de byte mantém cada célula intacta.

text
Raw UTF-8 bytes:     E5 A7 93 E5 90 8D 2C E5 9F 8E E5 B8 82  -> Excel reads ANSI/GBK
With UTF-8 BOM:  EF BB BF E5 A7 93 E5 90 8D 2C E5 9F 8E E5 B8 82  -> Excel renders 姓名,城市

Adicionar UTF-8 BOM e CRLF ao seu CSV localmente

Quando seu CSV está na verdade em GBK, Big5 ou Shift-JIS legado

Às vezes o arquivo nem está em UTF-8 — veio de um ERP ou portal bancário em GB18030, Big5, Shift-JIS ou EUC-KR, e seu script no Mac ou Linux tenta lê-lo como UTF-8.

O TxtTo executa validação UTF-8 estrita primeiro, depois análise de bytes via `chardet` com fallbacks CJK para decodificar os bytes reais antes de emitir UTF-8 BOM pronto para o Excel.

Reparar arquivos GBK, Big5, Shift-JIS e EUC-KR

Devo manter o BOM para SQL ou ferramentas CLI Unix?

Embora o Excel adore UTF-8 BOM, ferramentas como `psql`, `jq` ou scripts Bash simples podem tratar `0xEF 0xBB 0xBF` como parte do nome da primeira coluna.

Ao enviar CSVs de volta para pipelines Linux ou controle de versão, use CRLF para LF com Remover BOM ativado para manter os cabeçalhos limpos.

Remover BOM e normalizar quebras para Unix

Referências

Perguntas frequentes

Adicionar UTF-8 BOM corrompe valores de células ou fórmulas?

Não. A assinatura EF BB BF de 3 bytes fica antes do primeiro caractere do arquivo, então o Excel a remove na importação mantendo números, datas e textos intactos.

Por que não usar o assistente Dados -> De Texto/CSV do Excel toda vez?

Corrigir o arquivo uma única vez com UTF-8 BOM permite que qualquer pessoa da equipe abra o CSV com clique duplo direto no Explorer ou Finder sem ver caracteres estranhos.

Nomes de clientes e CSVs financeiros são enviados a algum servidor durante o reparo?

Nunca. A detecção de codificação e inserção de bytes rodam 100% na RAM do navegador sem nenhuma requisição de servidor.

Formatos relacionados

Comparativos relacionados

Guias relacionados