Excelをテキストに変換する：表ではなく中身がほしいとき
スプレッドシートに関する疑問が、いつも表計算の疑問とはかぎりません。ブックが単なる入れ物でしかないことはよくあります—— 問い合わせ管理からの書き出しで、実際に価値があるのは4,000件の自由記述のクレーム本文だったり、商品カタログで 必要なのは型番ではなく説明文だったり、アンケートの生データで面白い回答が幅の広い1列にすべて入っていたり。 それを表として描き直すのは、誰も頼んでいない構造を足したうえで、その分のトークンを請求する行為です。
Excelをプレーンテキストに変換すれば、返ってくるのは値だけです。パイプも、区切り行も、桁揃えの 空白もありません。シートごとにセルの中身が並ぶだけで、そのままgrepでき、チャンクに分けられ、埋め込め、diffが取れ、 前処理なしでスクリプトに流し込めます。上の欄に.xlsxまたは.xlsをアップロードしてください——無料、登録不要、 1ファイル50MBまで、こちら側には何も保存しません。
主な理由はトークンです
Markdownの表にはセル単位の税金がかかります。値のひとつひとつが区切り記号と空白で包まれ、その費用が行数だけ 掛け算されます。12行のサマリーなら目にも留まりません。20列8,000行の書き出しなら、出力のかなりの割合が 記号になります——データに使いたかったコンテキストを、句読点が占領している状態です。
プレーンテキストはこのオーバーヘッドを丸ごと落とします。値は同じで、トークンははっきり少ない。実務上これは、 シートが1回のプロンプトに収まるか収まらないかの差になります。出力の下のトークンカウンターを見れば比較は具体的です。 同じファイルを両方の形式に変換すれば、差はすぐ目に入ります。ページ上部の形式切り替えは、アップロードし直さずに ExcelをMarkdownに変換へ ファイルを持って移るので、この比較にかかる時間は5秒ほどです。
引き換えに失うもの——ごまかさずに書きます
平坦なテキストでは、列の同一性が信頼できなくなります。区切り記号が消えた時点で、1行の3番目の値が「地域」欄である ことは暗黙の了解でしかなくなり、「北部地域の平均売上は」と聞かれたモデルは、その対応関係を数千行にわたって 頭の中で保持しなければなりません。うまくやってくれることは多いです。同時に、ずれることもあります。とくに 空のセルがあって、そこから位置がずれていく場合です。
ですから判断基準は単純です。知りたいことが列方向なら——絞り込み、比較、集計、2つの項目の突き合わせ—— Markdown版を使い、トークンの費用は受け入れてください。知りたいことが内容方向なら——何が語られているか、 どんなテーマが出てくるか、この表現はどこかに存在するか、配送遅延に関する行を探したい——プレーンテキストのほうが 適した道具であり、安く済みます。
xlsxからのテキスト抽出が効いてくる場面
- 埋め込みと検索。カタログやナレッジベースの書き出しを段落単位のチャンクに分け、ベクトル化する。 チャンクの中の表構文は、意味を運ばずにベクトルをずらすノイズであり、固定長の埋め込み入力の位置も食います。
- 大量のテキスト分析。問い合わせ内容の感情分析、自由回答のテーマ分類、対応記録の列からの 固有表現抽出。分析の単位は行ではなく、文章です。
- 検索インデックスの構築。たいていの検索エンジンが求めるのは、1文書あたり1つのきれいな テキスト塊です。パイプ表を食わせても、分かち書きが悪くなるだけで得るものはありません。
- スクリプトへの入力。正規表現、語数カウント、言語判定、Pythonのちょっとしたワンライナー—— どれも行指向のテキストを前提にしています。パース工程も、エスケープの例外処理も要りません。
- 2つの書き出しの差分。先月分と今月分のブックをテキストにしてdiffを取る。変更点がはっきり 浮かび上がります。表の形のままだと、列が1つ挿入されただけで全行がずれ、diffは使い物になりません。
- とにかく大きいシート。そもそも収まるのが平坦なテキスト版しかない、ということもあります。
テキスト出力でとくに顔を出すExcelのクセ
Excelの習性のいくつかは、画面上では見えず、書式の層を剥がした瞬間にはっきりします。
- 先頭のゼロはとっくに消えています。郵便番号や電話番号、取引先コードを標準書式のセルに 打ち込んだ時点で、Excelは0600001を数値の600001として保存しています。ここに来るずっと前の話です。 テキスト出力はファイルの中身を忠実に報告しているだけです。IDが重要なら、元のシステムと数件突き合わせてください。
- 桁の多い数値は指数表記に。16桁の管理番号や一部のバーコードは浮動小数点数として保存され、 1.23457E+15のような形で出てくることがあります。末尾の桁は本当に失われています。直すのは手前の工程で、 保存前にその列をExcel上で文字列にしておくことです。
- 書式は仮面です。2024/3/15と表示されているセルが持っているのは日付のシリアル値、
12.5%と表示されているセルは0.125、¥1,250と表示されているセルは1250です。列が何なのかを示す表の形が
ないぶん、テキストの流れの中に裸のシリアル値が混じるのはとりわけ紛らわしくなります。書き出し前に
=TEXT(A2,"yyyy-mm-dd")で日付列をISO形式の文字列に変換しておくのが確実な回避策です。 - 結合セルは穴を残します。結合された内容は範囲の左上のセルにあり、残りは本当に空です。 8行分まとめて結合された分類ラベルは1回だけ現れ、続く7件はラベルなしに見えます。
- 非表示の行・列・シートも変換されます。抽出は表示状態を考慮しません。あの古い「作業用」タブも、 削除せず隠しただけの列も、出力に入ります。結果を共有する前にざっと目を通す価値があります—— 隠しシートは、意図しない情報流出の本物の原因です。
- 得られるのは値であって、ロジックではありません。数式セルは最後にキャッシュされた計算結果を 返すので、出力は計算方法の説明ではなくブックのスナップショットです。Excelを一度も開かずスクリプトが書いた ファイルには、キャッシュされた値がまったく無いことがあり、その場合は空で返ってきます。
複数シートを、表の骨組みなしで扱う
ブックが1タブだけということはめったにありません。抽出はブック内のすべてのシートを順に処理し、それぞれにタブ名を 付けます。この名前は平坦なテキストでも役に立ちます。「元データ」「2023年アーカイブ」「メモ」といったラベルは、 続く内容をどこまで信用してよいかを人にもモデルにも伝えますし、出力をチャンクに分けるときの分割点にもなります。
実務的な一手を1つ。必要なタブが1枚だけなら、それを新しいブックにコピーしてから変換してください。出力量は劇的に 減りますし、大量のマスタ表やピボットのキャッシュを引きずり込まずに済み、隠しシートの問題も同時に片付きます。
.xlsと.xlsx、そしてCSVという近道
どちらにも対応しています。レガシーなバイナリ形式の.xlsは、銀行のポータルや古いERPから今でも頻繁に出てきます。 保持できる行数は最大65,536行なので、それを超えるデータはどこか手前ですでに切り捨てられています—— 行数がやけにキリのいい数字なら確認する価値があります。現行の.xlsxはZIPの中身がXMLで、パースの挙動も読みやすいため、 変換前に保存し直しておくのは悪くない習慣です。
そして、そのデータが誰かにExcelで開かれる前はCSVだったのなら、元のファイルに対して CSVをテキストにを使ってください。 Excelは読み込み時に黙って解釈を変えます——コードを日付にしたり、ゼロを削ったり。そして上書き保存してしまえば、 その損傷はもう焼き付いています。
よくある質問
Excelファイルをテキストに変換するには？
上の変換ツールに.xlsxまたは.xlsをドロップすれば、シートの中身がプレーンテキストで返ってきて、.txtとしてダウンロードできます。無料、登録不要、1ファイル50MBまで。現行のXML形式でも古いバイナリの.xlsでも動くので、引き継いだファイルをわざわざ保存し直す必要はありません。
テキストにすると列はどうなりますか？
列ではなくなります。値は読み順に空白区切りで並び、どの見出しに属していたかはどこにも記録されません。氏名や型番が1列に並んだリストなら、それがまさに望んでいた結果です。12列ある財務モデルなら、モデルをモデルたらしめていたものが壊れます——その場合はExcelをMarkdownに変換を使ってください。
数式と計算結果、どちらが出てきますか？
計算結果です。=SUM(B2:B40)が入ったセルは1,284として変換され、それを生んだ数式は出てきません。分析用途としてはこれが正しい既定動作ですが、ブックの計算ロジックを監査したい場合にはまず役に立ちません。数式こそが目的なら、どんなテキスト変換も助けにならず、必要なのはブックそのものです。
全シートが対象ですか、それとも開いていたシートだけですか？
保存時にどのタブが開いていたかに関係なく、ブック内のすべてのシートが処理されます。「前提条件」や「元データ」といった隠しタブを抱えたファイルでは覚えておく価値があります。その中身も出てくるので、分析には便利な一方、出力を共有する前に確認しておくべきことでもあります。
Excelはテキストに変換すべき？それとも先にCSVにすべき？
渡す先が表形式のデータを読むなら、ExcelからCSVで書き出してこのページは飛ばしてください。区切り記号と列構造がそのまま残ります。プレーンテキストが向くのはもう一方の場合です。埋め込みのパイプラインや、ブックを集めたフォルダ全体へのキーワード検索のように、後段が文章の形をした入力を求めているときです。
そのほかのツール一式
File2Txtなら、ページを選ばずに 対応形式すべてを1か所で受け付けます。関連する入口としては、同じデータのAPI書き出し向けに JSONをテキストに、 数値が掲載されたレポート向けにPDFをテキストに、 それをまとめた資料向けに PowerPointをテキストにがあります。
コードやWebが相手なら、 GitHubリポジトリをテキストにする変換ツール、 GitLabプロジェクトの変換、 ページの取得にはWeb2Txtがあります。 LLM向けに文書を整える方法のガイド では、形式の選び方を一般論としてまとめています。
Repo2Txtを開発・運営しているのは v12hero、 プライバシー最優先のネイティブアプリとWebアプリを作る独立系デベロッパーです。