Notion Merge with CSV 增量合并导入与数据库防重复清洗实战:从主键映射、Excel 中文乱码修复、Relation 匹配陷阱到 Formula 2.0 脏数据门禁闭环

2026 年 11 月 21 日

一、为什么把业务表格导入 Notion 总是“新建孤立表”、中文乱码甚至重复翻倍? #

在财务月度流水对账、CRM 客户名单追加、跨境电商 SKU 上新或教务学员名单批量录入场景中,运营与财务同事每天都要把 ERP 或 Excel 导出的 .csv 文件同步进 Notion 数据库。然而许多团队在实际操作中反复踩中四类典型故障(基础入口参阅 Notion 数据导入官方指南 与 跨平台迁移架构实战):

  1. 误点左侧边栏 Import 导致生成全新孤立数据库:从侧边栏 Import -> CSV 导入永远会创建一张全新的独立数据库,无法复用原有数据库的视图、权限组、Template 模板与跨表 关系和汇总(Relations & Rollups)。正确追加必须使用目标数据库右上角 ··· 菜单中的 Merge with CSV。
  2. 误以为 Merge with CSV 会自动按 Title 主键去重覆盖:Notion 的 Merge with CSV 本质上是按列映射追加行记录,并不会像数据库 UPSERT 那样自动比对并覆盖同主键旧行。若直接重复上传包含历史行的整表 CSV,库内会瞬间产生大量同名重复条目。
  3. Windows Excel 导出的 CSV 直接导入变中文乱码与列串行:国内办公电脑上的 Excel 默认按 GBK/ANSI 编码保存普通 CSV,Notion 仅识别标准 UTF-8,直接合并导入必定出现大面积问号或乱码;同时金额里的千分位逗号(如 12,500.00)若未加英文双引号,会直接把后续所有列向右挤错位。
  4. Date 日期格式错乱与 Relation / Person 列无法直接建立关联:美式 03/04/2026 在不同区域设置下极易被解析为 3 月 4 日或 4 月 3 日;此外 CSV 合并无法直接把文本名字自动绑定为真实的 Relation 页面引用或工作区 Person 账号,需配合中继列与自动化脚本二次回填。
批量写入与增量同步方案 底层执行机制 是否保留现有视图与 Relation 拓扑 主键去重 / Upsert 更新能力 最优工程与业务适用场景
侧边栏 Import -> CSV 创建全新的独立数据库页面 否(生成孤立新库) 无 首次从零新建独立台账或冷归档历史表
数据库 ··· -> Merge with CSV 将 CSV 列映射并追加至现有数据库 是(完整保留既有视图与公式) 不自动去重(需导入前预处理剔除已存在主键) 低频月度账单、百行至千行级运营名单无代码追加
Notion API 增量 Upsert 脚本 结合 Data Sources Query 查重后调 POST/PATCH 是(支持直接写入真实 Relation 与 Person) 强幂等(按业务唯一键精确更新或新建) 每日自动同步 ERP / 订单流水、需要写入关联表
Make / n8n 无代码工作流 定时读取 Google Sheets / Excel 触发单行写入 是 需配置 Search + Router 分支判断 跨 SaaS 实时表单采集(表格双向同步实战)

二、零乱码、零重复的 Merge with CSV 四步标准化实操 SOP #

结合 批量查找与替换清洗指南、数据库导出 CSV 规范 与 Unique ID 自动编码实战,执行高可靠 CSV 合并应严格遵循以下四步:

步骤 1:在导出的源表建立不可变业务主键并完成增量差集过滤 #

  1. 先从 Notion 目标数据库右上角 ··· -> Export -> Markdown & CSV(勾选 Current view 或仅导出主键列)获取存量业务编号集合(如 订单号、客户税号 或 SKU 编码)。
  2. 在导入新的 CSV 前,利用 Excel XLOOKUP 或下方 Python 清洗脚本对比存量主键集合,仅保留 Notion 中尚未出现的新增记录;若确实需要修改存量行字段,应走 API 增量更新脚本,切勿用 Merge with CSV 硬覆写。

步骤 2:统一字段类型格式与 UTF-8 编码规范 #

  1. 编码强制锁定 UTF-8:在 Excel 中选择 另存为 -> CSV UTF-8(逗号分隔)(*.csv),或用脚本重编码为 utf-8-sig,彻底消灭中文表头与内容乱码。
  2. 日期与复选框标准化:所有日期列统一改写为 ISO 8601 格式 YYYY-MM-DD(如 2026-11-21);Checkbox 复选框列统一规范为 Yes / No(或 true / false);Multi-select 多选标签用英文半角逗号分隔且提前去除标签首尾空格,防止 Notion 生成“ 已付款”与“已付款”两个重复选项(选项字典治理参阅 Select 与 Multi-select 治理)。
  3. 规避只读与不支持直连的列类型:切勿将 CSV 列映射到 Formula、Rollup、Unique ID 或 Created time 等系统计算列;涉及 Relation 关联对象的字段,建议在目标库预留一个临时文本列(如 待匹配客户编码_Temp),导入后再由 API 批量绑定真实关联页面。

步骤 3:执行 Merge with CSV 精准列映射与分批上传 #

  1. 打开目标 Notion 数据库完整页面(注意:不能在 Linked View 链接视图的局部弹窗直接操作,请先点击原库标题进入源库主页),点击右上角 ··· 菜单,选择 Merge with CSV。
  2. 选择清洗后的 .csv 文件,在弹出的字段映射窗口中逐列核对:同名同类型列会自动高亮匹配,对于无需入库的冗余辅助列务必在下拉框选 Skip(跳过),防止把临时草稿列污染进生产 Schema。
  3. 单次合并建议控制在 2,000~3,000 行以内(文件体积 ≤ 5MB);上万行大表建议拆分为多个切片按月或按批次合并,避免浏览器长时间卡死。

步骤 4:入库后一键批量清洗与 Relation 补链 #

  1. 合并完成后立即切换至专门建立的 📥 本日新导入质检视图(筛选条件:Created time is Today)。
  2. 检查多选标签是否意外新增了垃圾选项、数值列是否因货币符号 ¥ 退化为 Text 类型(可结合 批量替换实战 清理符号后将列类型切回 Number),并通过 Formula 2.0 门禁自动扫出脏数据行。

三、Python 实战:Excel CSV 自动转码、格式标准化与存量主键去重脚本 #

在执行 Merge with CSV 之前,可用以下生产级 Python 脚本自动完成 GBK/UTF-8 智能探测转码、日期/金额/空格清洗 以及 对照存量导出表的主键防重差集提取:

import csv
from datetime import datetime
from pathlib import Path

RAW_CSV = Path("erp_orders_raw.csv")
EXISTING_EXPORT_CSV = Path("notion_existing_keys.csv")
CLEAN_OUTPUT_CSV = Path("notion_merge_ready.csv")

PRIMARY_KEY_COL = "订单编号"
DATE_COLS = {"下单日期", "交付截止日"}
NUMBER_COLS = {"实付金额"}
MULTI_SELECT_COLS = {"业务标签"}


def read_csv_auto_encoding(path: Path) -> list[dict[str, str]]:
    """自动兼容 UTF-8-SIG、UTF-8 与 Windows Excel 默认 GBK/GB18030 编码"""
    for enc in ("utf-8-sig", "utf-8", "gb18030", "gbk"):
        try:
            text = path.read_text(encoding=enc)
            return list(csv.DictReader(text.splitlines()))
        except UnicodeDecodeError:
            continue
    raise ValueError(f"无法识别 CSV 编码: {path}")


def normalize_date(val: str) -> str:
    val = val.strip()
    if not val:
        return ""
    for fmt in ("%Y-%m-%d", "%Y/%m/%d", "%Y.%m.%d", "%Y-%m-%d %H:%M:%S"):
        try:
            return datetime.strptime(val, fmt).strftime("%Y-%m-%d")
        except ValueError:
            continue
    return val


def normalize_number(val: str) -> str:
    # 剥离人民币/美元符号与千分位逗号,避免导入 Notion 后退化为纯文本
    cleaned = val.strip().replace(",", "").replace("¥", "").replace("$", "").replace("¥", "")
    return cleaned


def main() -> None:
    existing_keys: set[str] = set()
    if EXISTING_EXPORT_CSV.exists():
        for row in read_csv_auto_encoding(EXISTING_EXPORT_CSV):
            key = (row.get(PRIMARY_KEY_COL) or "").strip()
            if key:
                existing_keys.add(key)

    raw_rows = read_csv_auto_encoding(RAW_CSV)
    if not raw_rows:
        print("源 CSV 为空,跳过处理。")
        return

    fieldnames = [col.strip() for col in raw_rows[0].keys() if col is not None]
    seen_in_batch: set[str] = set()
    clean_rows: list[dict[str, str]] = []
    skipped_dup = 0

    for row in raw_rows:
        normalized_row = {(k.strip() if k else ""): (v or "").strip() for k, v in row.items()}
        pk = normalized_row.get(PRIMARY_KEY_COL, "")
        if not pk or pk in existing_keys or pk in seen_in_batch:
            skipped_dup += 1
            continue
        seen_in_batch.add(pk)

        for col in DATE_COLS:
            if col in normalized_row:
                normalized_row[col] = normalize_date(normalized_row[col])
        for col in NUMBER_COLS:
            if col in normalized_row:
                normalized_row[col] = normalize_number(normalized_row[col])
        for col in MULTI_SELECT_COLS:
            if col in normalized_row and normalized_row[col]:
                tags = [t.strip() for t in normalized_row[col].replace(",", ",").split(",") if t.strip()]
                normalized_row[col] = ", ".join(dict.fromkeys(tags))

        clean_rows.append(normalized_row)

    with CLEAN_OUTPUT_CSV.open("w", encoding="utf-8-sig", newline="") as f:
        writer = csv.DictWriter(f, fieldnames=fieldnames)
        writer.writeheader()
        writer.writerows(clean_rows)

    print(f"清洗完成: 可安全 Merge 新增 {len(clean_rows)} 行,已拦截空键/存量重复 {skipped_dup} 行 -> {CLEAN_OUTPUT_CSV}")


if __name__ == "__main__":
    main()

四、Formula 2.0 实战:CSV 导入后主键格式校验、Relation 断链与脏数据门禁 #

完成 Merge with CSV 后,强烈建议在目标库配置一个 导入质量门禁 Formula 2.0 属性,结合 订单编号(Title)、实付金额(Number)、下单日期(Date)、待匹配客户编码_Temp(Text)与 关联客户(Relation),自动高亮拦截乱码符号、异常日期及尚未完成 Relation 补链的新导入条目(语法详情参阅 Formula 2.0 速查手册 与 数据库架构规范):

lets(
  pk, trim(prop("订单编号")),
  amount, prop("实付金额"),
  orderDate, prop("下单日期"),
  tempRelKey, trim(prop("待匹配客户编码_Temp")),
  linkedClient, prop("关联客户"),
  hasGarbled, test(pk + " " + tempRelKey, "[??]|\\?{3,}"),

  ifs(
    empty(pk),
      style("🚨 拦截:业务主键为空,请核查 CSV 列映射是否串行", "red", "bold", "red_background"),
    hasGarbled,
      style("⛔ 疑似编码乱码:主键或映射列含连续问号,请回退本批并转 UTF-8 重导", "red", "bold", "red_background"),
    empty(orderDate) || empty(amount) || amount < 0,
      style("⚠️ 字段异常:日期解析失败或金额缺失/为负,请核查源表格式", "orange", "bold", "yellow_background"),
    !empty(tempRelKey) && empty(linkedClient),
      style("🟡 待补链:已有临时客户编码「" + tempRelKey + "」,待触发 API 绑定 Relation", "orange"),
    style("🟢 CSV 合并字段规范、编码纯净且关联就绪", "green")
  )
)

五、高频导入故障自检与跨团队协同建议 #

在团队日常高频同步外部数据时,建议固定以下三条团队操作公约(若遇到导入进度条卡死、导出乱码或同步报错,请参阅 Notion 常见报错与故障诊断手册):

  1. 严禁直接在包含复杂公式的生产库上“边试错边多次导入”:批量数据超过 500 行时,建议先在测试子页面复制一个空结构副本(Duplicate without content)完成一次 Merge with CSV 映射演练,确认列类型与中文显示 100% 正常后再合入正式库。
  2. 用 Created time + Import_Batch 批次号构建一键回滚锚点:每次准备 CSV 时在最后一列固定加上 导入批次(如 2026-11-21-B1),一旦发现字段映射错位,只需在 Notion 按该批次号筛选全选删除,即可 10 秒无损回滚,绝不波及历史业务数据。
  3. 每日增量且需要更新旧记录时果断升级 API Upsert:Merge with CSV 最适合人工周度/月度冷追加;一旦出现“同一订单状态每天从待发货变为已签收”的需求,应立即切换到基于 Pages API 与 Data Sources Query 的幂等同步脚本。

❓ 常见问题与答疑 (FAQ)

高频疑难解析与避坑指南
A

完全不需要。绝大多数核心功能在免费 Free 计划中均可完整体验与实操练习,无需额外付费购买 Plus 或团队版。