Excel ke Markdown: Mengubah Hamparan Menjadi Jadual LLM Boleh Menaakul
Tanya model bahasa soalan tentang hamparan yang telah anda tampal dalam bentuk mentah dan anda selalunya akan mendapat jawapan itu dengan yakin salah tentang lajur yang mana. Itu bukan model yang bodoh. Hamparan ialah grid koordinat — sel B7 memegang nombor, dan tiada apa-apa dalam fail mengatakan nombor itu adalah milik Lajur "Hasil S3". Manusia membuat kesimpulan bahawa dari kedudukan. Tampalkan nilai sebagai campur aduk dan model perlu menyimpulkannya juga, dari bukti yang lebih buruk.
Menukar Excel kepada Markdown membetulkannya dengan menghasilkan jadual paip sebenar: baris pengepala, a pemisah, kemudian menjajarkan baris data. Format itu tidak jelas tentang keahlian lajur dan model mengendalikannya baik kerana Markdown jadual ada di mana-mana dalam data latihan mereka. Jika anda mahu tukar fail Excel kepada jadual Markdown dalam talian, lepaskan .xlsx atau .xls ke dalam kotak di atas. Percuma, tiada akaun, siling 50 MB, tiada apa yang dikekalkan.
Rupa Outputnya
Buku kerja ialah koleksi helaian, dan setiap helaian menjadi bahagian tersendiri dalam output, dilabelkan dengan nama tab helaian. Pelabelan itu lebih penting daripada yang dikatakan — "Andaian", "2024 Actuals", dan "Jangan Edit" membawa maksud sebenar tentang cara merawat nombor di bawahnya dan model yang boleh dilihat nama tab akan menggunakannya.
Dalam setiap helaian, baris pertama yang diisikan dianggap sebagai pengepala, diikuti dengan pemisah penjajaran baris, kemudian setiap baris data diberikan dengan pembatas paip. Hasilnya berbunyi seperti ini dalam struktur: lajur nama di bahagian atas, nilai berbaris di bawahnya, satu rekod setiap baris. Setelah data anda dalam bentuk itu, anda boleh bertanya soalan mengikut lajur — "wilayah manakah yang meningkat lebih daripada 10 peratus", "cari baris dengan status disekat dan pemiliknya kosong" — dan model mempunyai cukup untuk benar-benar menyemak dan bukannya meneka.
Formula, Nilai dan Perkara Yang Anda Benar-benar Dapat
Yang ini mengejutkan orang ramai. .xlsx menyimpan dua perkara untuk sel formula: formula itu sendiri
(=SUMIF(D:D,"North",F:F)) dan hasil pengiraan terakhir, dicache dari masa Excel bertahan
dikira semula. Penukaran membaca nilai cache. awak dapat 184,500, bukan SUMIF.
Itulah lalai yang betul — nombor ialah perkara yang ingin anda pertimbangkan — tetapi ia mempunyai dua akibat yang bernilai berpegang pada. Pertama, model boleh melihat apa jawapannya adalah tetapi tidak bagaimana ia telah diperolehi, jadi ia tidak boleh mengaudit logik anda atau mengesan julat yang rosak. Kedua, jika fail dijana oleh skrip atau eksport alat yang menulis formula tanpa membuka Excel, nilai yang dicache mungkin hilang atau basi, dan lain-lain sel boleh datang melalui kosong atau salah. Buka fail, biarkan ia mengira semula, simpan, kemudian tukar. Mengambil sepuluh saat dan menolak keseluruhan kategori kekeliruan.
Perkara yang Memecahkan Jadual
Markdown jadual adalah tegar: setiap baris mesti mempunyai bilangan lajur yang sama. Hamparan tidak tegar pada semua. Ketidakpadanan itu adalah punca hampir setiap penukaran yang tidak kemas.
- Sel bercantum. Sel bercantum menyimpan kandungannya di sel kiri atas julat cantuman dan meninggalkan yang lain benar-benar kosong. Tajuk yang digabungkan merentas A1:F1 menjadi satu nilai diikuti dengan lima kosong, dan jika itu baris pertama anda, ia akan dibaca sebagai pengepala anda. Label kategori digabungkan ke bawah laporan menghasilkan nilai pada baris pertama kumpulan dan tiada nilai pada yang lain.
- Pengepala berbilang baris. Klasik "2024" merangkumi tiga lajur di atas "Q1 / Q2 / Q3" susun atur tidak mempunyai perwakilan dalam jadual Markdown. Satu daripada baris tersebut menjadi pengepala dan satu lagi menjadi baris data yang penuh dengan nama suku.
- Baris dan lajur pengatur jarak kosong. Ruang pernafasan visual dalam Excel menjadi baris kosong dan lajur yang tidak dinamakan dalam output, yang secara senyap menggunakan token dan mencairkan jadual.
- Data tidak bermula pada A1. Logo di sudut, nota di baris 2 dan jadual sebenar bermula pada baris 6 — penukar tidak mempunyai cara untuk mengetahui baris 1 hingga 5 adalah hiasan.
- Berbilang jadual pada satu helaian. Tiga blok berasingan bersebelahan menjadi satu yang sangat lebar, kebanyakannya grid kosong.
Pembetulan untuk semua ini adalah sama dan ia membosankan: sebelum menukar, buat salinan helaian dengan satu baris pengepala di bahagian atas, satu jadual setiap helaian, tiada cantuman, tiada baris pengatur jarak. Dua minit mengemas lebih bernilai daripada sebarang gesaan bijak selepas itu.
Tarikh, Nombor dan Mengapa Sel Anda Berkata 45231
Excel tidak menyimpan tarikh sebagai tarikh. Ia menyimpan nombor siri mengira hari dari zaman, dan perkara itu
anda lihat — 15/03/2024, atau 24 Mac, atau Jumaat — ialah format paparan berlapis di atas. Penukaran membaca
nilai asas, jadi lajur tarikh boleh muncul sebagai integer kosong jika pemformatan tidak diteruskan.
Jika tarikh penting untuk analisis anda, paksa tarikh tersebut ke dalam teks yang tidak jelas sebelum anda menukar: tambah lajur dengan
=TEXT(A2,"yyyy-mm-dd") dan gunakan itu. Format ISO juga mengalih keluar British-versus-Amerika
kekaburan hari/bulan yang secara senyap-senyap merosakkan penaakulan tarikh.
Pemformatan nombor berfungsi dengan cara yang sama. Sel yang memaparkan £1,250.00 atau 12.5% memegang 1250 dan 0.125. Peratusan tiba sebagai perpuluhan adalah perkara khusus yang membingungkan orang — model yang diberitahu untuk mencari nilai melebihi 10 akan tidak menemui apa-apa dalam lajur 0.125s. Jika unit tidak jelas, letakkan di dalam pengepala lajur dan bukannya bergantung pada format sel: "Pertumbuhan (%)" atau "Hasil (GBP)".
Lebar, Token dan Mengetahui Masa untuk Berhenti
Markdown kos jadual lebih banyak token daripada data yang sama dalam bentuk rata, kerana setiap baris membayar untuknya pembatas. Secara kasarnya, setiap lajur menambah paip dan beberapa pelapik pada setiap baris — jadi 40 lajur helaian dengan 5,000 baris membelanjakan sebahagian besar belanjawannya pada tanda baca sebelum satu nilai dibaca. Lembaran lebar adalah di mana xlsx hingga Markdown penukaran berubah daripada berguna kepada tidak mampu.
Dua tabiat mengawal ini. Padamkan lajur yang anda tidak perlukan sebelum menukar — kebanyakan eksport dibawa dua puluh medan di mana soalan anda menyentuh empat. Dan perhatikan kaunter token di bawah output; ia memberitahu anda serta-merta sama ada hasilnya sesuai dengan tetingkap konteks model anda atau sama ada anda perlu menapis terlebih dahulu. Jika helaian itu besar dan soalan tidak memerlukan penjajaran lajur, Excel kepada teks biasa adalah lebih murah laluan, dan togol di bahagian atas halaman ini akan membawa fail anda ke sana.
.xlsx, .xls dan CSV
Fail .xlsx moden ialah arkib ZIP XML — berstruktur dengan baik dan boleh dihuraikan. Legacy .xls ialah binari format dari era pra-2007, dan ia masih dikendalikan di sini, tetapi perlu diketahui bahawa ia dihadkan kepada 65,536 baris dan 256 lajur, dan fail yang dieksport daripada perakaunan lama atau sistem ERP kadangkala bersandar pada kebiasaan yang tidak dapat bertahan dengan sempurna. Jika anda mempunyai pilihan, simpan semula sebagai .xlsx dahulu.
Jika data anda bermula sebagai CSV, langkau Excel sepenuhnya — pergi ke CSV kepada Markdown sebaliknya. Kurang satu format lompat, tiada risiko Excel membantu menukar kod produk anda kepada tarikh atau melucutkan peneraju sifar daripada poskod semasa import.
Soalan Lazim
Bagaimanakah cara saya menukar hamparan Excel kepada jadual Markdown?
Muat naik .xlsx atau .xls di atas dan setiap helaian kembali sebagai jadual paip yang anda boleh tampal ke dalam README, wiki, permintaan tarik atau gesaan model. Percuma, 50 MB setiap fail, tiada akaun. Baris pengepala kekal sebagai baris pengepala, jadi penjajaran bertahan dalam perjalanan.
Adakah ia mengekalkan penjajaran baris dan lajur pengepala?
Ya, dan itulah sebab utama untuk memilih Markdown daripada teks rata di sini. Jadual paip mengekalkan nilai mana yang terletak di bawah tajuk mana, jadi pembantu yang membacanya boleh menjawab "apakah angka Mac untuk wilayah EMEA" dengan betul. Ratakan helaian yang sama kepada teks dan soalan itu menjadi tidak terjawab.
Apakah yang berlaku kepada sel yang digabungkan dan pengepala berbilang baris?
Mereka mendatar dengan janggal. Markdown jadual paip mempunyai tepat satu baris pengepala dan tiada konsep sel yang merangkumi dua lajur, jadi laporan dengan sepanduk "S1 2026" yang digabungkan di atas tiga sublajur kehilangan sepanduk. Helaian yang dibina sebagai data segi empat tepat yang bersih ditukar dengan sempurna; helaian yang dibina untuk kelihatan baik apabila dicetak biasanya memerlukan pembaikan manual.
Adakah hamparan yang sangat luas masih boleh dibaca?
Boleh dibaca oleh mesin, tidak menyenangkan untuk manusia. Helaian empat puluh lajur menjadi jadual paip dengan empat puluh lajur dan baris berjalan kepada beberapa ribu aksara. Model menghuraikannya dengan baik. Jika seseorang perlu membacanya, alihkan helaian dalam Excel terlebih dahulu atau potong ke lajur yang penting sebelum menukar.
Adakah carta dan jadual pangsi ditukar?
Tidak. Carta melukis objek tanpa isi teks, dan output jadual pangsi ditukar sebagai sel yang dipaparkan pada masa ini dan bukannya sebagai pangsi langsung. Perkara yang anda perolehi ialah grid asas nilai, yang biasanya anda ingin serahkan kepada model.
Selebihnya Kit Alat
Hamparan biasanya tiba dilampirkan pada sesuatu yang lain. File2Txt mengendalikan setiap format yang disokong dari satu halaman, dan jiran yang patut diketahui ialah PDF kepada Markdown untuk kewangan laporan, PowerPoint kepada Markdown untuk dek nombor berakhir di, dan JSON kepada Markdown apabila data yang sama keluar daripada API sebaliknya.
Di sebelah kod terdapat GitHub repositori kepada penukar teks dan a penukar folder tempatan, tambah Web2Txt untuk halaman web. The panduan untuk menyediakan fail untuk LLM menjadi lebih luas daripada hamparan jika anda mahukan gambaran keseluruhan.
Repo2Txt dibina dan diselenggara oleh v12hero, pembangun bebas membina apl asli dan web yang mengutamakan privasi.