教學文裡的檔案，跟真實世界的檔案

網路上的資料處理教學，範例檔案都很乾淨：UTF-8 編碼（現在最通用的那套中文對照表，各家軟體都認得）、逗號分隔、第一列是標題、每一欄型別一致。

我工作上遇到的檔案，常常不是那樣。

這一篇分兩半。前一半整理我實際踩過的六個坑——這些都是處理檔案、用程式讀檔時遇到的。後一半做了一件新的事：把同樣的問題檔案交給 Google 的 agy（Day 20 介紹過的 Antigravity CLI），看它會不會踩進同樣的坑。

一、二十年前的編碼

老一點的公務檔案是 Big5 編碼（台灣早期電腦用的中文對照表，跟現在通用的 UTF-8 是兩套）。用現在的預設方式打開，會得到滿螢幕的亂碼。

解法是指定編碼。但真正的坑是你要先知道它是 Big5——而檔案本身不會告訴你。

進階版：Day 12 提過副檔名寫 .csv（本來應該用逗號隔開每一欄）卻用 Tab 鍵隔開的那種檔案。這裡要補的是它真正惡劣的地方——程式讀它不會報錯，只會安靜地把整列塞進第一欄。不報錯的錯誤最難發現。

二、亂碼不一定是檔案的問題

這個坑我花過冤枉時間。

有一次我打開一份 PDF，內容全是亂碼。第一反應是「編碼有問題」，於是開始找轉檔工具、試各種編碼參數。

弄了半天才發現：檔案完全正常，是我的終端機顯示不出那些字。

換一個地方打開，一切正常。

教訓：看到亂碼，先確認是「資料壞了」還是「顯示不出來」。 這兩件事的解法完全相反，搞錯方向會花掉很多時間修一個沒壞的東西。

三、舊版的 Word 檔

副檔名是 .doc 不是 .docx 的那種。

這不是「舊一點的格式」，是完全不同的檔案格式。我這次用的程式庫只支援 .docx，遇到 .doc 會直接失敗。

改副檔名沒有用——那只是改名字，內容還是舊格式。

實務上的解法是用 Word 本身把它轉成新格式，其他方法多少都會掉東西。

四、追蹤修訂會騙人

這個最陰險，因為它不會報錯，只會給你錯的答案。

公文往來常用 Word 的「追蹤修訂」功能——誰改了哪裡、加了什麼、刪了什麼，都記在檔案裡。

問題是：用我這次用的程式庫讀這種檔案，修訂中的文字讀不到。

結果是你的程式回報「這幾段是空的」，但實際打開檔案，那幾段明明有滿滿的內容——那些內容全都在修訂狀態裡。

如果你只看程式的輸出，會得到一個完全錯誤的結論。

我的處理方式：拿到公文往來的檔案，先確認有沒有追蹤修訂。有的話，先在 Word 裡「接受所有變更」另存一份，再拿去處理。

五、Excel 修復過的檔案

我最近才發現手邊有一組這樣的檔案：同一批資料，一份原始的，一份是 Excel 自動修復後另存的。

兩份的筆數不一樣。

我一度以為原始的是 404 筆、修復後的是 416 筆，差了 12 筆。

後來回頭查才發現那 12 筆根本不存在：416 是 Excel 記錄的「表格範圍」，不是資料筆數——那張工作表的範圍到第 417 列，實際有資料的只有 23 列。而且那個檔案裡有四個工作表，我只數了第一個。

這個坑的性質跟前面幾個一樣：它不會報錯。 程式老實回答了我問的問題，只是我問錯了問題。詳細的經過在 Day 8。

六、打不開的檔案

同一個資料夾裡還有一份 1.3 MB 的 .xlsx，程式讀不開，報錯說它不是有效的格式。

這份是全校的課程名單，同事依資安規定加了密碼才傳給我。

結果 AI 讀不開，給出的判斷是「大概壞了」，這篇的初稿也照著寫了。後來往檔案外殼看（經過在 Day 8），裡面是一個加密的容器，不是壞掉的試算表——它沒壞，密碼在做它該做的事。

錯誤訊息只說「格式不對」，不會告訴你「這是加密的」。同一句錯誤，可能是壞了，也可能是被保護著，而兩者的處理方式完全相反：壞了要找備份或重做；加密的檔案是完整的，該問的是「程式本來就該讀得到它嗎」。這份檔案依規定加了密，我就照規定不交給程式或 AI 處理——就算裡面的課名、授課老師多半本來就查得到（Day 27 談過公開資訊怎麼判斷），有規定的時候先照規定。這次的保護是有效的；出錯的是讀不開之後的那個猜測。

同樣的檔案，交給 agy 會怎樣

上面六個坑，都不是 agy 遇到的。所以我想知道：如果一開始就交給它，它分得出來嗎？

真實檔案不能拿來測——那份追蹤修訂的檔案是還沒定案的內部草案，課程名單依資安規定加了密碼，照規矩都不能交出去。所以我請幫我整理稿子的那個 AI（不是 agy）寫了一支小程式，用假資料做了四個「問題檔案」，內容全是編的，但毛病跟真的一樣：

• 一份帶追蹤修訂的 Word 檔：第 2、4 段整段都在「修訂」狀態。用一般的程式庫讀，這兩段會被讀成空白——跟真檔一模一樣
• 一份 Big5 編碼的 csv
• 一份副檔名是 .csv、其實用 Tab 隔開的檔案
• 一份設了密碼的 Excel 檔：用程式讀，報的是跟真檔一樣的「不是有效格式」

然後照平常交工作的方式交給 agy（版本 1.2.16），請它逐一讀、回報內容、指出有沒有異常。

第一次，它什麼都沒讀到。 它第一步想執行一個列出檔案的指令，被權限擋了下來，11 秒就結束了。這跟 Day 21 講過的是同一件事：預設權限下，要執行指令的動作會被擋，而且第一個被擋的動作就讓整個任務停下來。我在交代時加一句「只能用讀檔工具」，才跑得下去。

坑：我出的題目，自己先洩題了

第二次它跑完了，報告看起來幾乎全對：這份是 Big5、這份有修訂、這份加了密碼。

仔細一看，它寫的是「從檔名推測可能是 Big5」「從檔名 locked 推測有加密」。我把檔案取名叫 big5.csv、locked.xlsx——答案寫在題目上了。

所以我把四個檔案改名成 A、B、C、D，內容不動，再測一次。這次的結果才算數：

如果我沒注意到第二次的報告是從檔名猜的，這篇就會寫成「agy 四個坑全部認得出來」。測 AI 的時候，題目本身也要先過一遍：答案有沒有寫在題目上。

這次的結果能說到哪裡

• 只測了一次、一個版本、一組假檔、一種交代方式。不能說「agy 就是認不出 Big5」，只能說這次沒認出來。
• 四題裡有三題它讀不到，但讀不到的時候，它有照實說讀不到。對照上面第四個坑：一般程式庫遇到同一份追蹤修訂檔，是安靜地把兩段讀成空白，不會告訴你少了什麼。明說「讀不到」比安靜讀錯好處理——但讀不到不等於處理對了，那三個檔案的內容它一個字都沒交出來。
• 還有一件跟檔案格式無關、但一樣要驗的事：我請它把報告寫在指定的資料夾，它兩次都寫到了別的資料夾，第二次還回報「已順利產出於您指定的資料夾中」。結果寫到哪裡，也要自己去看。

所以我養成的習慣

一、拿到檔案先看一眼基本資訊：有幾列、有哪些欄位、編碼是什麼。花三十秒，可以省掉後面很多困惑。

二、程式回報「空的」的時候，自己打開檔案確認一次。追蹤修訂那個坑就是這樣發現的。

三、同一批資料有兩個版本的時候，先搞清楚差在哪，再決定用哪個。不要兩個都用。

四、打不開的檔案，先查它是壞了還是被保護著。錯誤訊息不會替你分辨，而我第一次就猜錯了。（2026-10-11 更正：第一次猜「壞了」的是幫我讀檔的 AI，初稿照著寫了，見〈六〉。）

五、拿檔案測 AI 之前，先把檔名換成看不出答案的名字。不然你測到的是它會不會讀檔名。

AI 在這裡幫得上什麼

幫得上的：處理編碼、猜分隔符號、整理多層表頭、批次轉檔。這些都是「有標準做法、結果可以驗證」的工作。

幫不上的，分兩種。

第一種是安靜讀錯：追蹤修訂那個坑就是典型，程式讀了、回報「這幾段是空的」。它沒有說謊，它看到的就是空的，但答案是錯的。

第二種是讀不到：這次 agy 遇到 Big5、加密檔、Word 檔都是這樣。它有說讀不到；原因有的講得出來（Word 檔），有的講不準——Big5 它猜成別的原因，加密檔只判成「二進位檔」。

兩種都沒辦法靠追問它來解決，只能靠你自己打開檔案看一眼——至少，第二種它會先告訴你該去看了。

明天

Day 29：什麼該交給 AI，什麼絕對不該——三十天下來的總結。