CSVファイルを列ずれせずに翻訳する方法|カンマや引用符の崩れを防ぐ手順

Equalang

この記事の要点

CSVのカンマや小数点による列ずれを起こさずに英語や他言語へ翻訳する手順を解説。XLSXへ変換してセル単位で翻訳する方法と、Pythonスクリプトでテキスト列のみ抽出する安全なワークフロー。

キーワード: CSV 翻訳; CSVファイル 翻訳; CSV 英語 翻訳; CSV 翻訳 列ずれ; CSV XLSX 変換 翻訳; CSV 文字化け 防止

CSVファイルをテキストとしてそのまま汎用翻訳ツールに入力すると、カンマや改行、ダブルクォーテーションの構文が崩れ、列ずれ(カラムずれ)がほぼ確実に発生します。CSVには視覚的な罫線がなく、半角カンマや改行コード、対になるダブルクォーテーションだけで「セルの区切り」を判定しているため、翻訳文の中にカンマが1つ増えたり、小数の 12.50 がドイツ語やフランス語の表記ルールに従って 12,50 に置き換わったりするだけで、1つのフィールドが2列に分割され、以降のすべての列が右へずれてしまいます。

CSVファイルをデータ構造を壊さずに英語やその他の言語へ翻訳するには、翻訳処理を行う前にセルの境界線(フィールドの枠組み)とセル内のテキストを明確に分離することが不可欠です。確実な方法は2つあります。1つは、CSVをいったん .xlsx(Excelワークブック)に変換して各項目をセル内に保護した状態で翻訳し、再度CSVに戻す方法。もう1つは、開発者や自動化パイプライン向けに、スクリプトを使って行IDやヘッダー名をキーにテキスト列のみを抽出して翻訳する方法です。

なぜテキスト翻訳ツールにCSVを直接通すと列ずれが起きるのか

CSVの標準仕様(RFC 4180)において、CSVファイルには書式情報が存在せず、純粋な文字列だけで構造が定義されています:

  • 各フィールドは半角カンマ(,)で区切られ、各レコード(行)は改行コード(CRLF または LF)で区切られる。
  • フィールド内にカンマ、改行、ダブルクォーテーション(")が含まれる場合は、フィールド全体をダブルクォーテーションで囲まなければならない。
  • クォートで囲まれたフィールド内にダブルクォーテーションを含める場合は、2つ連続させてエスケープ("")しなければならない。

CSVのテキストをWebの翻訳欄にそのまま貼り付けたり、拡張子を .txt に変更してアップロードしたりすると、翻訳エンジンはそれを構造化データではなく単なる普通の文章として読み込みます。その結果、以下の3つの典型的な不具合が即座に発生します:

  1. 翻訳文内にエスケープされないカンマが混入する: 原文にはカンマがなかったフィールド(ダブルクォーテーションで囲まれていない状態)に、翻訳後の自然な言い回しでカンマが入ると、その瞬間に新たな列区切りと見なされて1列増えてしまいます。
  2. 小数点がカンマにローカライズされる: ドイツ語、フランス語、スペイン語などに翻訳すると、現地の数値表記規則により 12.50 が 12,50 に、あるいは 1,200 が 1.200 に変換されることがあります。クォートで囲まれていない数値列の場合、12,50 は 12 と 50 の2列に分割され、商品コードや在庫数、日付が丸ごと右にずれます。
  3. ダブルクォーテーションの欠落や全角・装飾引用符への変換: 翻訳エンジンがASCII標準の半角ダブルクォーテーション("")を全角引用符(“”)や欧文引用符(« »)に変換してしまったり、複数行にわたる商品説明の末尾クォートを取りこぼしたりします。引用符のペアが壊れると、パーサーは後続の数百行を単一の巨大なセルとして誤認識します。

元のCSV(3列:sku, title, price_usd):

SKU-104,Wireless mouse with USB receiver,24.99

テキスト翻訳後の壊れた出力(フランス語訳でカンマが増え、4列に分裂):

SKU-104,Souris sans fil, avec récepteur USB,24,99

方法1:CSVをXLSXに変換してセルごとに翻訳し、CSVへ再エクスポートする

ECの商品カタログ、多言語ローカライズ辞書、アンケート結果、財務シートなどを扱う場合、もっとも確実なワークフローは .csv をいったん Excel ワークブック(.xlsx)に変換し、各セルが独立したオブジェクトとして保持された状態で翻訳を行い、完了後に UTF-8 形式の CSV として書き出す手順です。

ここでは Equalang ドキュメント翻訳 を使った手順を解説します。事前に仕様上の境界を確認しておきましょう。Equalang のドキュメント翻訳は PDF、DOCX、PPTX、XLSX、EPUB、HTML、TXT に対応していますが、.csv ファイルの直接アップロードには対応していません。事前に .xlsx へ変換することは、アップロード要件を満たすだけでなく、翻訳文に含まれるカンマや改行がテーブルの列構造に干渉するのを完全に遮断するために不可欠なステップです。

ステップ1:表計算ソフトでCSVを開き、.xlsx 形式で保存する

ファイルマネージャー上で拡張子を .csv から .xlsx に手動で書き換えるだけでは不十分です。Microsoft Excel、LibreOffice Calc、Google スプレッドシートなどでCSVを開き、各列が正しく区切られていることを確認した上で、.xlsx 形式のワークブックとして保存(エクスポート)します。

日本語や特殊記号が含まれるCSVで文字化けが発生する場合は、Excel の「データ > テキスト/CSVから」機能を使用し、元のファイルのエンコードを 65001: Unicode (UTF-8) に指定して読み込みます(詳細は Microsoft Excel のテキスト/CSVインポート・エクスポートガイド を参照)。BOM(Byte Order Mark)なしの UTF-8 CSV を旧バージョンの Excel でダブルクリックして開くと、翻訳前の段階で文字化けが起きる原因になります。

ステップ2:.xlsx ファイルを翻訳する

Equalang ドキュメント翻訳 に .xlsx ファイルをアップロードし、翻訳先の言語を選択します(ドキュメント翻訳は日本語、英語、中国語、韓国語、フランス語、ドイツ語、スペイン語など多彩な言語に対応しており、原文言語は自動検出されます)。トークン消費の計算仕様は 料金ページ で確認できます。

.xlsx ファイル形式では、各データがカンマ区切りの文字列ではなく独立したセルオブジェクトとして格納されるため、以下の保護が働きます:

  • カンマや改行がセル内に閉じ込められる: 翻訳された商品説明文の中に3つのカンマや段落の改行が追加されても、それらはすべてセル B14 の中に保持され、隣の C14 に影響を与えません。
  • 純粋な数値や数式はそのまま維持される: 数値セル(価格、数量、数値として保存されたID)や計算式は翻訳対象から自動的に除外され、元の値のまま書き戻されます。そのため、24.99 が勝手に 24,99 に変換されることはありません。
  • 重複する文言は1回のみ翻訳: カテゴリ名(Electronics など)やステータス表示(In Stock など)が数千行にわたって繰り返し出現する場合、システム側で同一文字列がまとめて処理され、行間での訳語の統一が図られます。
列構造、数値セル、合計値がそのまま保持された翻訳済みのXLSXスプレッドシート(英語画面)
CSVデータをXLSXに変換してEqualangで翻訳すると、数値や数式をそのまま保持したまま、各テキストフィールドがセル内に固定されます(画像は英語UIの例)

翻訳が完了すると、Webワークスペース上で原文と訳文のシートを左右に並べてプレビュー確認してからダウンロードできます。スプレッドシート全体のレイアウトやフォーマット保持についての詳細は、Excelファイルを翻訳する方法 を参照してください。

ステップ3:英数字コードを確認し、UTF-8 CSVとしてエクスポートする

CSVへ再エクスポートする前に、英数字コードや列挙値が含まれる列(型番やSKU BLK-SM-01、単位の略称 pcs、製造元名、システム連携用のステータスフラグなど)に目を通してください。純粋な数値セルは自動的にスキップされますが、英単語やアルファベットの略称が含まれるセルは通常のテキストとして翻訳される場合があります(例:pcs が日本語の「個」に翻訳されるなど)。後続のデータベース取り込み処理で特定の列に英語の元データが必須である場合は、その列のみ元データからコピーして貼り戻してください。

また、シートのタブ名は翻訳されません。さらに、=IF(F2="In Stock", 1, 0) のようにセル内のリテラル文字列を判定するExcel数式を追加していた場合、数式内の条件文字列は原文言語のまま残るため、エクスポート前に翻訳後の値に合わせて数式の条件を更新してください。

最後に、Excelで「ファイル > 名前を付けて保存」を選び、ファイル形式に CSV UTF-8 (コンマ区切り) (*.csv) を指定して保存します。Excelは、カンマ、引用符、改行を含む翻訳済みフィールドを、RFC 4180に準拠した半角ダブルクォーテーションで自動的に囲んで出力します。

方法2:スクリプトを使って行IDや列名ごとにテキスト列のみを抽出して翻訳する(開発者・自動処理向け)

CSVファイルが数十万行に及ぶ場合や、CI/CDなどの自動化パイプラインに組み込まれている場合、あるいは40列あるうちの2列(title と description など)しか翻訳する必要がない場合は、手動で .xlsx に変換するのは現実的ではありません。

スクリプトによる自動処理では、CSVの行全体をそのまま翻訳APIや大規模言語モデルに送信してはいけません。Pythonの標準モジュール csv などのRFC 4180準拠パーサーを使用し、各行をメモリ上に読み込んでから翻訳対象の列のみを処理し、csv.writer にエスケープを任せて書き出すのが安全な設計です。

以下はPythonによる安全な実装パターンです(ID、SKU、URL、価格には触れず、指定したヘッダー名の列のみを翻訳します):

import csv

SOURCE_FILE = "catalog_source.csv"
OUTPUT_FILE = "catalog_ja.csv"
COLUMNS_TO_TRANSLATE = {"title", "description"}

def translate_text(text: str) -> str:
    # 各セル文字列を対象にした翻訳APIの呼び出し処理
    if not text.strip():
        return text
    return text  # プレースホルダー

with open(SOURCE_FILE, mode="r", encoding="utf-8-sig", newline="") as infile, \
     open(OUTPUT_FILE, mode="w", encoding="utf-8", newline="") as outfile:

    reader = csv.DictReader(infile)
    writer = csv.DictWriter(
        outfile,
        fieldnames=reader.fieldnames,
        quoting=csv.QUOTE_MINIMAL
    )
    writer.writeheader()

    for row in reader:
        for col in COLUMNS_TO_TRANSLATE:
            if col in row and row[col]:
                row[col] = translate_text(row[col])
        writer.writerow(row)

この設計が安全である理由:

  1. newline="" と csv.DictReader がセル内改行を正しく処理する: 商品説明がセル内で5行にわたり改行され、カンマやエスケープされた引用符("")を含んでいても、csv.DictReader はそれらを1つの文字列として破綻なく読み込みます。
  2. 翻訳不要な列が完全に保護される: id, sku, price, image_url, created_at などの列は翻訳処理を一切通過しないため、URLが書き換えられたり小数がカンマに変形したりするリスクが皆無になります。
  3. csv.DictWriter が自動でクォートを再付与する: 翻訳された文字列に新たなカンマやダブルクォーテーションが含まれていても、csv.QUOTE_MINIMAL 設定により、RFC 4180の規定に従ってフィールド全体が " で囲まれ、内部のクォートは適切に二重化("")されます。

数百行程度の小さなファイルでコードを書かずに済ませたい場合は、Google スプレッドシートにCSVをインポートし、補助列で =GOOGLETRANSLATE(B2, "auto", "ja") などの関数を使って翻訳した後、「値のみ貼り付け」を行ってからCSV形式で書き出す手法もあります。ただし、スプレッドシート関数は行ごとに個別のリクエストを発行するため、データ量が多いと読み込みエラーやタイムアウトが発生しやすい点に注意してください。

クイック比較:どの方法が適しているか?

想定シナリオ推奨ワークフロー注意点
100行〜5万行規模、テキスト列と数値列が混在、カテゴリ名などの重複が多い.csv を .xlsx に変換し、Equalang ドキュメント翻訳 で翻訳後、UTF-8 CSVへエクスポート後続システムで英語の完全一致が必要な英数字SKUや列挙型の列は、必要に応じて元データから貼り戻す
200行未満の単発チェックGoogle スプレッドシートに読み込み、=GOOGLETRANSLATE() 関数で翻訳後、CSV出力行数が多いと数式が再計算されタイムアウトしやすいため、エクスポート前に必ず値として貼り付ける
バックエンドの自動連携や10万行以上の大規模データPythonの csv.DictReader で指定列のみ抽出し、翻訳後に csv.DictWriter で書き出し重複する文字列を事前にローカル辞書などでキャッシュしておくと、無駄なAPI呼び出しを削減できる

よくある質問(FAQ)

Equalangに .csv ファイルを直接アップロードして翻訳できますか?

いいえ。Equalangのドキュメント翻訳は PDF、DOCX、PPTX、XLSX、EPUB、HTML、TXT ファイルに対応しており、.csv 形式の直接アップロードには対応していません。Excelなどの表計算ソフトでいったん .xlsx 形式として保存してからアップロードし、翻訳完了後にダウンロードしたファイルを UTF-8 CSV として再保存してください。

翻訳したCSVをExcelで開いたときに文字化けするのを防ぐにはどうすればよいですか?

保存および読み込み時に必ず CSV UTF-8 (コンマ区切り) を選択してください。Windows環境のMicrosoft ExcelでBOMなしのUTF-8 CSVをダブルクリックすると文字化けすることがあります。その場合は、Excelの新規ブックから「データ > テキスト/CSVから」を開き、元のファイルのエンコードを 65001: Unicode (UTF-8) に指定してインポートしてください。

CSVを翻訳した後に数値や価格の列がずれてしまうのはなぜですか?

カンマを小数点として使用する言語(ドイツ語、フランス語、スペイン語など)にテキストとして翻訳した場合、19.99 が前後のダブルクォーテーションなしで 19,99 に変換されたことが原因です。翻訳前に .xlsx 形式へ変換しておけば、数値セルは文字列ではなく数値データとして保持されるため、翻訳エンジンの処理対象から外れて値がそのまま維持されます。

参考文献