Corregir el escape CSV

1. 1

   Añada su CSV

   Suelte o elija un archivo .csv, .tsv, .txt o .psv, o pegue el texto. El delimitador, la comilla y la codificación se detectan del archivo; puede sobrescribir cualquiera si la detección falla.

2. 2

   Lea el informe de problemas

   Cada problema encontrado se lista con un recuento y los números de fila afectados, esté o no activada la opción que lo corrige. Comillas escapadas, saltos de línea, comillas sin cerrar, filas irregulares, BOM, finales de línea mezclados, comillas tipográficas y caracteres invisibles.

3. 3

   Elija las reparaciones

   Decida qué hacer con las filas irregulares: dejarlas, rellenar las cortas, truncar las largas, fusionar los campos sobrantes en la última columna, o poner en cuarentena las que no coincidan. Después active la limpieza que quiera y fije delimitador, entrecomillado y final de línea de salida.

4. 4

   Repare, revise las diferencias y descargue

   Cada fila modificada se resalta en la vista previa y al pasar el cursor se muestra la línea original. Descargue el archivo reparado o cópielo. Nada se sube en ningún momento.

Un CSV que no se importa rara vez está corrupto: está entrecomillado de forma incoherente, tiene filas de anchos distintos, o está escrito en una codificación que el lector adivinó mal. Esta herramienta lee el archivo como lo haría un analizador estricto, le indica cada problema estructural con los números de fila, le deja decidir qué hacer con cada uno, y reescribe el archivo para que lo que usted quiso decir sea lo que el siguiente programa lea.

• Las comillas escapadas y los saltos de línea sobreviven — Una comilla duplicada dentro de un campo entrecomillado es una comilla literal, y un salto de línea dentro pertenece al campo, no al archivo. Ambos se conservan y se vuelven a escapar correctamente.
• Un informe, no solo un resultado — Todo lo encontrado se lista con recuento y números de fila esté o no activada la opción que lo corrige, así se entera de un problema que no habría pensado en buscar.
• Diferencias por fila — Las filas modificadas se resaltan y al pasar el cursor se ve la línea tal como estaba escrita, de modo que una reparación es algo que puede comprobar en lugar de creer.
• Cuatro respuestas a las filas irregulares — Rellenar, truncar, fusionar los sobrantes en la última columna, o poner en cuarentena y listarlas. Solo truncar y cuarentena eliminan algo, ambas son opcionales y ambas informan de lo que quitaron.
• Detección que las comillas no engañan — El delimitador y la comilla se eligen analizando una muestra con cada candidato y puntuando la consistencia de anchos, así un archivo de punto y coma con una dirección entrecomillada no se lee como separado por comas.
• Salida bajo su control — Delimitador, comilla, entrecomillado mínimo o total, finales de línea LF, CRLF o CR, y si el archivo termina con salto de línea. La extensión sigue al delimitador, así un archivo separado por barras no se llama .csv.

Cada elemento siguiente se detecta en todos los archivos, se lista con un recuento y los primeros números de fila afectados, y se repara automáticamente o se ofrece como una opción. Nada se elimina de sus datos salvo que usted lo pida explícitamente.

• Campos que contienen una comilla — Se escapan en la salida como dos comillas para que se lean como una. Un analizador que alterna con cada comilla borra ambos caracteres y el campo pierde contenido en silencio.
• Saltos de línea dentro de campos entrecomillados — Se mantienen con su fila. Partir el archivo por saltos de línea primero — el atajo habitual — convierte una fila en dos, y la segunda no es CSV válido.
• Una comilla sin terminar — Se informa con su número de fila. El resto de la fila se toma como valor del campo en lugar de que el analizador corra hasta el final del archivo y fusione todo lo posterior.
• Filas irregulares — Filas más estrechas o más anchas que el ancho habitual, contadas por separado en cada dirección para ver si al archivo le faltan datos o lo ha partido un delimitador suelto.
• Marcas de orden de bytes — Siempre eliminadas. Un BOM que se queda pasa a formar parte del nombre de la primera columna, y por eso a veces una hoja importada tiene una primera columna que nada puede localizar por nombre.
• Finales de línea mezclados — Se informa cuando un archivo contiene más de un tipo. RFC 4180 especifica CRLF; usted puede escribir LF, CRLF o CR, y el archivo queda coherente en cualquier caso.
• Comillas tipográficas y caracteres invisibles — Las comillas curvas de los procesadores de texto, los caracteres de ancho cero y los espacios duros se detectan y pueden enderezarse, eliminarse o convertirse en espacios normales.
• Nombres de cabecera — Los nombres de columna vacíos se rellenan y los repetidos se numeran, de modo que cada columna puede localizarse por nombre tras la importación.

Un CSV mal formado o entrecomillado de forma incoherente no suele fallar de forma ruidosa. Se importa, y está mal: un campo de menos aquí, dos filas fusionadas allá, una columna de números que se volvió texto. Reescribir el archivo con el escape correcto hace que se lea igual en todas las herramientas que lo abran.

• Menos errores de importación — Un entrecomillado coherente hace que una base de datos, una hoja de cálculo y un script resuelvan los mismos campos a partir de los mismos bytes.
• La corrupción silenciosa se hace visible — El informe y las diferencias por fila convierten «la importación se ve rara» en un número de fila que puede ir a mirar.
• Entregas más seguras — Un archivo que ha pasado por un lector estricto y se ha reescrito limpio es uno sobre el que el siguiente equipo no tiene que hacer suposiciones.
• Nada sale de su máquina — Listas de clientes, nóminas y datos financieros se reparan en su propio dispositivo, así un archivo dañado nunca se convierte en una filtración.

Un archivo irregular es aquel cuyas filas no tienen todas el mismo ancho. Es el defecto que más probablemente hace fallar una importación por completo, y aquel donde la respuesta correcta depende de verdad de la causa, así que la herramienta pregunta en lugar de adivinar.

• Dejar — La opción por defecto. Los anchos se informan pero nada cambia, que es lo correcto cuando la irregularidad son datos reales y no un daño.
• Rellenar — Las filas cortas ganan celdas vacías hasta coincidir. Las largas se dejan intactas: acortar una fila es la única operación que destruye datos, y nunca ocurre como efecto secundario de pedir relleno.
• Truncar — Las filas largas se recortan al ancho habitual y se informa del número de celdas descartadas. Úselo cuando sabe que los campos sobrantes son basura.
• Fusionar — Los campos sobrantes se unen de nuevo en la última columna con el delimitador que los separó. No se pierde nada, y suele ser la respuesta correcta cuando un valor contenía un delimitador sin escapar.
• Cuarentena — Cualquier fila que no coincida con el ancho habitual se elimina y su número se lista, para que pueda extraer e inspeccionar las filas sospechosas por separado.

• Codificación — Auto, UTF-8, UTF-16LE, UTF-16BE, Windows-1252 o ISO-8859-1. Una marca de orden de bytes en el archivo siempre gana al desplegable, porque el archivo lo sabe y el desplegable es una suposición.
• Delimitador y comilla — Detectados por consistencia de anchos, o forzados a coma, punto y coma, tabulador o barra vertical, con comillas dobles, apóstrofos o ninguna.
• La primera fila es cabecera — Activa la reparación de nombres de columna y permite que la cabecera desempate cuando ningún ancho de fila es más frecuente que otro.
• Filas irregulares — Dejar, rellenar, truncar, fusionar o cuarentena — descritas arriba en detalle.
• Recortar espacios de celda — Elimina los espacios inicial y final de cada celda antes de escribir el archivo.
• Quitar filas vacías — Descarta las filas cuyas celdas están todas en blanco. Una fila con una celda no vacía se conserva siempre.
• Enderezar comillas tipográficas — Convierte las comillas curvas que inserta un procesador de texto en comillas rectas, que es lo que espera un lector CSV.
• Eliminar caracteres invisibles — Quita los caracteres de ancho cero y convierte los espacios duros en espacios normales, para que una celda que parece vacía lo esté de verdad.
• Reparar nombres de cabecera — Rellena los nombres de columna vacíos y numera los repetidos, de modo que cada columna pueda localizarse por nombre.
• Delimitador y comilla de salida — Conserve los del archivo, o escriba coma, punto y coma, tabulador o barra vertical. La extensión sigue al delimitador.
• Política de entrecomillado — Mínimo entrecomilla solo los campos que lo necesitan. Entrecomillar todo envuelve cada valor, lo que exigen algunos importadores estrictos.
• Final de línea — LF, CRLF o CR, aplicado de forma coherente. CRLF es lo que especifica RFC 4180.
• Terminar el archivo con salto de línea — Activado por defecto. La mayoría de herramientas esperan un terminador final; desactívelo si la suya no.
• Descargar como — Un nombre personalizado para el archivo reparado. Si no, el nombre original recibe el sufijo -fixed, así la reparación nunca cae encima del original dañado.

Dos ajustes explican la mayoría de archivos que parecen caracteres corruptos o se importan como una sola columna enorme. Ambos tienen una respuesta correcta que el propio archivo suele conocer.

• Deje la codificación en Auto primero — Una marca de orden de bytes es el archivo declarando su propia codificación, y se respeta por encima de cualquier elección manual. Sin marca, el UTF-8 válido se lee como UTF-8 y cualquier otra cosa como Windows-1252, que es lo que escribe una hoja de cálculo occidental cuando nadie le pidió nada.
• Los caracteres acentuados se ven mal — El archivo es casi seguro Windows-1252 o ISO-8859-1. No son lo mismo: los bytes 128 a 159 son comillas curvas y guiones en uno y caracteres de control en el otro, así que pruebe primero Windows-1252 e ISO-8859-1 si el resultado sigue mal.
• Todo el archivo cae en una columna — Probablemente sea UTF-16, que escribe una hoja de cálculo cuando se le pide texto Unicode. Leído como UTF-8 se convierte en un campo lleno de bytes nulos y todas las filas se juntan. Elija UTF-16LE, o vuelva a añadir el archivo y deje que Auto encuentre la marca.
• Elija CRLF para máxima compatibilidad — RFC 4180 especifica CRLF y los validadores estrictos avisan de cualquier otra cosa. LF es la opción más segura para lo que vaya a leer un script o guardarse en control de versiones.
• Los finales de línea mezclados merecen arreglarse — Un archivo que contiene ambos es el que rompe a los lectores ingenuos, porque un retorno de carro suelto en medio de un archivo LF termina una fila donde nada lo esperaba. Elija lo que elija, la salida es coherente.

• Visor CSV
• Dividir CSV
• Combinar CSV
• Comparar CSV
• Añadir/quitar columnas CSV
• Quitar duplicados CSV
• Ordenar CSV
• Filtrar CSV
• CSV a Excel
• CSV a JSON
• JSON a CSV
• Excel a CSV
• Herramientas CSV