Comparer des fichiers CSV

1. 1

   Chargez les deux fichiers

   Déposez ou sélectionnez deux fichiers CSV, TSV ou texte, ou passez en mode Coller. Chaque fichier est lu sur votre appareil ; rien n'est téléversé. Le séparateur, les guillemets, l'encodage et la ligne d'en-tête sont détectés séparément pour chaque fichier, et tous peuvent être modifiés à la main.

2. 2

   Choisissez l'appariement des lignes

   Prenez une colonne clé comme un identifiant, un SKU ou une adresse e-mail pour apparier les enregistrements quel que soit l'ordre des lignes et voir quelles cellules ont changé. Ou appariez des lignes entières, ce qui compte correctement les doublons. Ou par position, ce qui absorbe une ligne insérée au lieu de décaler tout ce qui suit.

3. 3

   Lisez le résultat

   Quatre onglets — modifiés, uniquement dans A, uniquement dans B et inchangés — avec leurs compteurs. Dans les enregistrements modifiés, les cellules concernées sont mises en évidence et affichent la valeur avant et après, de sorte que la modification se voit au lieu de se déduire.

4. 4

   Exportez ce dont vous avez besoin

   Téléchargez n'importe quel ensemble en CSV ou TSV, copiez-le dans le presse-papiers, ou prenez le rapport de modifications au format long avec une ligne par cellule modifiée. Pro ajoute toute la comparaison en une archive ZIP et un classeur en couleurs.

Deux fichiers CSV en entrée, et un compte rendu précis de ce qui a changé entre eux : quels enregistrements sont nouveaux, lesquels ont disparu, lesquels ont été modifiés et exactement quelles cellules ont bougé. Toute option qui décide de la justesse du résultat est gratuite.

• Trois façons d'apparier les lignes — Par colonne clé, par contenu complet de ligne ou par position. Chacune répond à une question différente, et la bonne dépend de l'existence d'un identifiant stable partagé par vos fichiers.
• Des enregistrements modifiés, pas seulement ajoutés et supprimés — Une cellule modifiée est signalée comme un changement, avec la valeur avant et après côte à côte, au lieu d'une suppression suivie d'une insertion dont il faut remarquer qu'elles concernent le même enregistrement.
• Des colonnes qui ne s'alignent pas — Appariez les colonnes par nom d'en-tête malgré des orthographes différentes, et excluez celles qui diffèrent toujours.
• Des différences que vous ne vouliez pas voir — Ignorez la casse, les espaces autour, vide-contre-NULL et le format numérique — séparément, pour voir ce que chacun masque.
• Cinq exports — Chaque ensemble à part, plus un rapport de modifications au format long avec une ligne par cellule modifiée. Pro ajoute une archive ZIP et un classeur en couleurs.
• Des fichiers lus tels qu'ils sont — Séparateur, guillemets, encodage et ligne d'en-tête détectés par fichier, sauts de ligne entre guillemets gérés, marques d'ordre des octets retirées.

C'est la seule décision qui change tous les chiffres rapportés par l'outil : elle mérite trente secondes. Les trois modes sont gratuits.

• Colonne clé — si vos données ont un identifiant — Les enregistrements sont appariés sur une ou plusieurs colonnes qui les identifient : un identifiant, un SKU, un numéro de commande, une adresse e-mail ou une combinaison de plusieurs. L'ordre des lignes cesse totalement de compter, et comme l'appariement survit à une modification, un enregistrement modifié est signalé comme modifié plutôt que comme une suppression suivie d'un ajout. C'est le mode qui répond à « qu'est-il réellement arrivé à cet enregistrement ».
• Ligne entière — pour des différences d'ensembles — Deux lignes ne correspondent que si chaque cellule comparée correspond. L'ordre n'a pas d'importance. Les doublons sont comptés plutôt que regroupés : trois copies contre une donnent une correspondance et deux excédents. Ce mode n'a pas de notion d'enregistrement modifié, car sans clé rien ne permet d'affirmer que deux lignes sont deux versions de la même chose.
• Position — quand les fichiers sont dans le même ordre — Les deux fichiers sont alignés ligne à ligne, mais les insertions sont absorbées : ajouter une ligne vers le haut donne une insertion, et non une insertion puis chaque ligne suivante décalée. Là où une suppression et une insertion se suivent et où les lignes s'accordent encore sur au moins la moitié de leurs colonnes, elles sont relues comme un seul enregistrement modifié.
• Une clé suggérée reste une suggestion — Quand les deux fichiers ont des en-têtes, l'outil note chaque colonne commune selon l'unicité réelle de ses valeurs et propose la meilleure. Une colonne nommée id qui n'est pas unique ne sera pas suggérée : nommer une colonne id n'en fait pas une clé.

Un enregistrement modifié existe des deux côtés et diverge quelque part. L'outil vous dit où.

• Les cellules qui ont bougé sont marquées — Dans l'onglet des modifiés, chaque cellule qui diffère est mise en évidence et affiche les deux valeurs : la modification se voit au lieu d'être comparée à l'œil entre deux fenêtres.
• Les colonnes clés ne sont jamais signalées comme modifiées — Ce sont elles qui ont apparié les deux enregistrements, elles s'accordent donc par construction. Elles ne sont affichées que pour identifier la ligne.
• Le rapport de modifications est celui qui circule — Une ligne par cellule modifiée — statut, clé, numéros de ligne dans les deux fichiers, colonne, avant, après — plus une ligne par enregistrement ajouté et supprimé. C'est la forme qui se colle dans un ticket sans retouche.
• Un en-tête modifié est signalé à part — Si les deux fichiers divergent sur le nom de leurs colonnes, c'est un changement de schéma et non de données : il est signalé pour lui-même au lieu d'être mêlé aux compteurs d'enregistrements.

Deux exports de la même table s'accordent rarement sur l'ordre des colonnes ou sur l'orthographe d'un en-tête. Comparer par position après l'un ou l'autre signale toutes les lignes comme modifiées — une affirmation vraie sur les octets et inutile sur les données.

• Apparier les colonnes par nom d'en-tête — Customer ID, customer_id, customerId et CUSTOMER-ID se ramènent à la même identité et se rejoignent. Ponctuation, espaces et casse sont ignorés ; les en-têtes accentués ou non latins se ramènent correctement eux aussi.
• Colonnes présentes d'un seul côté — Une colonne qui n'existe que dans un fichier est listée plutôt qu'abandonnée en silence, et elle ne fait pas paraître tous les enregistrements modifiés.
• Excluez les colonnes qui diffèrent toujours — Un horodatage de dernière modification, un numéro de ligne, un identifiant d'export : décochez-les et elles cessent totalement de peser, tant dans l'appariement que dans le détail des changements.
• Les noms de colonne en double sont traités dans l'ordre — Deux colonnes nommées Notes sont appariées avec les deux colonnes Notes de l'autre côté, la première avec la première, plutôt que de se rabattre toutes deux sur une seule.

Quatre interrupteurs, tous désactivés par défaut. Chacun supprime une catégorie de fausses différences entre les exports de deux systèmes — et chacun en masque une vraie si vous l'activez sans le vouloir, ce qui est précisément pourquoi aucun n'est activé pour vous.

• Ignorer la casse — Apple et apple correspondent. Les adresses e-mail et les codes produits en sont la raison habituelle.
• Ignorer les espaces autour — « poire » avec espaces et « poire » correspondent. Un système coupe les espaces à l'export, le suivant non.
• Traiter vide et NULL comme identiques — Une cellule vide correspond aux littéraux NULL, NA, N/A et nil, quelle que soit la casse, ainsi qu'à une cellule ne contenant que des espaces. La liste est volontairement courte et fermée : un tiret, un zéro et le mot « aucun » sont tous des valeurs réelles plausibles et n'y figurent pas.
• Comparer les nombres par valeur — 1,0 correspond à 1, 1e3 correspond à 1000, et un signe plus initial cesse de compter. Celui-ci demande de la prudence : il fait aussi correspondre 007 et 7, ce qui est faux si la colonne est un identifiant — c'est exactement pour cela qu'il est désactivé tant que vous ne le demandez pas.

Chaque fichier est lu selon ses propres règles. Un export séparé par des virgules et un export séparé par des points-virgules se comparent parfaitement l'un à l'autre.

• Une détection de séparateur qui lit le fichier, pas la première ligne — Virgule, point-virgule, tabulation et barre verticale sont essayés sur un échantillon et notés selon qu'ils produisent un nombre de colonnes constant. Compter les séparateurs sur la ligne un — l'approche habituelle — se laisse tromper par une seule virgule dans une adresse entre guillemets, et par la ligne d'en-tête, la moins représentative du fichier.
• Champs entre guillemets avec virgules et sauts de ligne — Un champ entre guillemets peut contenir le séparateur, des guillemets doublés en échappement et de vrais sauts de ligne. Les trois sont courants dans les colonnes d'adresses et de notes exportées, et les trois cassent un analyseur qui découpe d'abord sur les sauts de ligne.
• Les marques d'ordre des octets sont retirées — L'export « CSV UTF-8 » d'Excel en écrit une. Laissée en place, elle rend la première cellule d'en-tête subtilement différente de sa jumelle : toute la ligne d'en-tête est alors lue comme modifiée, ce qui donne l'impression de deux fichiers sans rapport. C'est traité ici sans qu'on le demande.
• Des encodages, y compris ceux qu'Excel écrit vraiment — UTF-8, UTF-16 dans les deux ordres d'octets — ce que produit l'export « Texte Unicode » d'Excel — plus Windows-1252 et le véritable ISO-8859-1. Une marque dans le fichier prime sur la liste déroulante, et l'outil le dit au lieu de faire silencieusement le bon choix sous un réglage devenu mensonger.
• Les lignes irrégulières et vides sont conservées — Une ligne avec une colonne en trop, ou une ligne vide au milieu, font partie du fichier. Supprimer les lignes vides décale en silence tous les numéros de ligne suivants, et le rapport désigne alors les mauvaises lignes.

Un enregistrement en double est en général exactement ce que vous cherchiez : une comparaison qui l'estompe a manqué sa mission.

• L'appariement par ligne entière compte, il ne regroupe pas — Trois lignes identiques dans le premier fichier contre une dans le second donnent une correspondance et deux lignes présentes uniquement dans le premier. Un outil qui traite chaque fichier comme un ensemble de lignes distinctes signale les trois comme présentes dans les deux : c'est faux et cela paraît juste.
• Les clés répétées sont appariées dans l'ordre et signalées — Si une valeur de clé apparaît deux fois de chaque côté, la première est appariée avec la première et la seconde avec la seconde, et la clé répétée est listée pour que vous sachiez que l'appariement était arbitraire.
• Les lignes à clé vide sont comptées — Elles ne peuvent pas être appariées de façon significative : l'outil indique donc combien il y en a plutôt que de les apparier entre elles sans rien dire.

Cinq fichiers, chacun répondant à une question différente, plus deux façons de tout emporter d'un coup.

• Uniquement dans A et uniquement dans B — Des lignes complètes à la forme de leur propre fichier, avec son en-tête d'origine, pour se réimporter dans ce qui les a produites.
• Modifiés — Une ligne par enregistrement modifié, chaque colonne comparée présente sous forme de paire avant/après, et une cellule finale nommant les colonnes qui ont réellement bougé.
• Dans les deux — Les enregistrements qui n'ont pas bougé, pour les cas où c'est justement l'ensemble intéressant.
• Rapport de modifications — Format long : une ligne par cellule modifiée plus une par enregistrement ajouté ou supprimé. Statut, clé, les deux numéros de ligne, colonne, avant, après.
• Une archive ZIP et un classeur en couleurs — Pro rassemble chaque ensemble non vide plus un manifeste dans une seule archive, ou un tableur où les lignes ajoutées sont vertes, les supprimées rouges et les cellules modifiées ambre. Les deux contiennent exactement les données des téléchargements gratuits, réunies en un fichier.
• Une sortie écrite comme il vous la faut — Choisissez le séparateur, la fin de ligne et l'écriture ou non d'une marque d'ordre des octets, et nommez les fichiers par un préfixe. Les exports sont écrits avec vos réglages, pas avec ceux de l'entrée.

Les deux fichiers sont lus une seule fois dans un index d'octets et comparés sans jamais créer une chaîne par cellule : une paire d'exports de 25 Mo aboutit en une seconde environ.

Deux exports de la même table, pris à des moments différents ou sur des systèmes différents, et une question : qu'est-ce qui a bougé entre les deux ?

• Rapprocher deux systèmes — Un export CRM contre un export de facturation, appariés sur l'adresse e-mail ou le numéro de compte, pour trouver les enregistrements que l'un a et l'autre non.
• Vérifier ce qu'un import a fait — Export avant, export après, appariement sur la clé primaire, puis lecture de la liste des modifiés. C'est plus rapide que de croire le journal d'import, et cela nomme les cellules.
• Relire une modification de données avant sa mise en production — Le rapport de modifications est un document relisable : un collègue peut le lire sans ouvrir aucun des deux fichiers.
• Auditer une liste de prix ou de stock — Appariez sur le SKU, excluez la colonne d'horodatage, et l'onglet des modifiés est la liste de ce qui a vraiment bougé.
• Travailler sur des données que vous ne pouvez pas téléverser — Tout se fait sur votre appareil : l'outil convient donc aux données clients, à la paie et à tout ce qui ne doit pas partir sur un serveur.

• Réparer un CSV
• Fusionner des CSV
• Supprimer les doublons
• Diviser un CSV
• Trier un CSV
• Visionneuse CSV