Comparar arquivos CSV

1. 1

   Carregue os dois arquivos

   Arraste ou selecione dois arquivos CSV, TSV ou de texto, ou mude para Colar. Cada arquivo é lido no seu dispositivo; nada é enviado. O delimitador, as aspas, a codificação e a linha de cabeçalho são detectados separadamente em cada arquivo, e todos podem ser alterados à mão.

2. 2

   Escolha como as linhas são combinadas

   Escolha uma coluna-chave como id, SKU ou e-mail para combinar registros independentemente da ordem das linhas e ver quais células mudaram. Ou combine linhas inteiras, o que conta duplicatas corretamente. Ou pela posição, o que absorve uma linha inserida em vez de deslocar tudo o que vem depois.

3. 3

   Leia o resultado

   Quatro abas — alterados, só em A, só em B e iguais — com os totais. Nos registros alterados as células afetadas ficam em destaque e mostram o valor antes e depois, de modo que a edição se vê em vez de ser deduzida.

4. 4

   Exporte o que precisar

   Baixe qualquer conjunto como CSV ou TSV, copie para a área de transferência, ou leve o relatório de mudanças em formato longo com uma linha por célula alterada. O Pro acrescenta toda a comparação em um ZIP e uma pasta de trabalho colorida.

Dois arquivos CSV na entrada e um relato preciso do que mudou entre eles: quais registros são novos, quais sumiram, quais foram editados e exatamente quais células se moveram. Toda opção que decide se a resposta está certa é gratuita.

• Três formas de combinar linhas — Por coluna-chave, pelo conteúdo completo da linha ou pela posição. Cada uma responde a uma pergunta diferente, e a certa depende de os seus arquivos compartilharem um identificador estável.
• Registros alterados, não só adicionados e removidos — Uma célula editada é relatada como uma mudança, com o valor anterior e o novo lado a lado, em vez de uma exclusão mais uma inserção das quais você precisa perceber que são o mesmo registro.
• Colunas que não se alinham — Combine colunas pelo nome do cabeçalho mesmo com grafias diferentes, e exclua as colunas que sempre diferem.
• Diferenças que você não quis pedir — Ignore maiúsculas, espaços em volta, vazio-contra-NULL e formato numérico — individualmente, para ver o que cada um esconde.
• Cinco exportações — Cada conjunto por si, mais um relatório de mudanças em formato longo com uma linha por célula alterada. O Pro acrescenta um ZIP e uma pasta de trabalho colorida.
• Arquivos lidos como realmente são — Delimitador, aspas, codificação e cabeçalho detectados por arquivo, quebras de linha entre aspas tratadas, marcas de ordem de bytes removidas.

Esta é a única decisão que muda todos os números que a ferramenta informa, então vale trinta segundos. Os três modos são gratuitos.

• Coluna-chave — use se seus dados têm um id — Os registros são pareados por uma ou mais colunas que os identificam: um id, SKU, número de pedido, e-mail ou uma combinação de várias. A ordem das linhas deixa completamente de importar e, como o pareamento sobrevive a uma edição, um registro alterado é relatado como alterado em vez de como uma remoção mais uma adição. Este é o modo que responde ao que de fato aconteceu com um registro.
• Linha inteira — use para diferenças de conjuntos — Duas linhas só coincidem quando cada célula comparada coincide. A ordem não importa. Duplicatas são contadas em vez de agrupadas, então três cópias contra uma dão uma coincidência e duas sobras. Neste modo não existe registro alterado, porque sem uma chave nada permite dizer que duas linhas são versões da mesma coisa.
• Posição — use quando os arquivos estão na mesma ordem — Os dois arquivos são alinhados linha a linha, mas com as inserções absorvidas: acrescentar uma linha perto do topo informa uma inserção, e não uma inserção seguida de todas as linhas seguintes deslocadas. Onde uma exclusão e uma inserção ficam lado a lado e as linhas ainda concordam em pelo menos metade das colunas, elas são relidas como um registro editado.
• Uma chave sugerida é uma sugestão — Quando os dois arquivos têm cabeçalhos, a ferramenta pontua cada coluna comum conforme o quanto seus valores são realmente únicos e oferece a melhor. Uma coluna chamada id que não seja única não será sugerida, porque chamar uma coluna de id não a torna uma chave.

Um registro alterado existe dos dois lados e discorda em algum ponto. A ferramenta diz onde.

• As células que se moveram ficam marcadas — Na aba de alterados cada célula que difere fica em destaque e mostra os dois valores, então a edição se vê em vez de ser comparada a olho entre duas janelas.
• Colunas-chave nunca são relatadas como alteradas — Foram elas que parearam os dois registros, então por construção coincidem. Aparecem apenas para identificação.
• O relatório de mudanças é o que circula — Uma linha por célula alterada — status, chave, números de linha nos dois arquivos, coluna, antes, depois — mais uma linha para cada registro adicionado e removido. É a forma que se cola num chamado sem retoques.
• Um cabeçalho alterado é relatado à parte — Se os dois arquivos discordam sobre os nomes das colunas, isso é uma mudança de esquema e não de dados, e é destacado por si em vez de se misturar aos totais de registros.

Duas exportações da mesma tabela raramente concordam sobre a ordem das colunas ou sobre a grafia de um cabeçalho. Comparar por posição depois de qualquer uma dessas coisas relata todas as linhas como alteradas — uma afirmação verdadeira sobre os bytes e inútil sobre os dados.

• Combinar colunas pelo nome do cabeçalho — Customer ID, customer_id, customerId e CUSTOMER-ID se reduzem à mesma identidade e se encontram. Pontuação, espaçamento e caixa são ignorados; cabeçalhos com acentos ou alfabetos não latinos também se reduzem corretamente.
• Colunas presentes em apenas um lado — Uma coluna que existe só num arquivo é listada em vez de descartada em silêncio, e não faz todos os registros parecerem alterados.
• Exclua as colunas que sempre diferem — Um carimbo de última modificação, um número de linha, um id de exportação: desmarque-os e eles deixam de contribuir para a comparação, tanto na combinação quanto no detalhe de mudanças.
• Nomes de coluna duplicados são tratados em ordem — Duas colunas chamadas Notas se pareiam com as duas chamadas Notas do outro lado, a primeira com a primeira, em vez de as duas colapsarem sobre uma.

Quatro interruptores, todos desligados por padrão. Cada um elimina uma classe de diferença falsa entre as exportações de dois sistemas — e cada um esconde uma real se for ligado sem querer, que é exatamente por que nenhum vem ligado.

• Ignorar maiúsculas e minúsculas — Apple e apple coincidem. E-mails e códigos de produto são o motivo habitual.
• Ignorar os espaços em volta — “ pera ” e “pera” coincidem. Um sistema apara na exportação e o seguinte não.
• Tratar vazio e NULL como o mesmo — Uma célula vazia coincide com os literais NULL, NA, N/A e nil, em qualquer caixa, e também com uma célula que só contém espaços. A lista é deliberadamente curta e fechada: um traço, um zero e a palavra “nenhum” são todos valores reais plausíveis e não estão incluídos.
• Comparar números por valor — 1,0 coincide com 1, 1e3 coincide com 1000 e um sinal de mais inicial deixa de importar. Este pede cuidado: também faz 007 coincidir com 7, o que está errado se aquela coluna for um identificador — exatamente por isso vem desligado até você pedir.

Cada arquivo é lido nos seus próprios termos. Uma exportação separada por vírgulas e outra separada por ponto e vírgula se comparam perfeitamente entre si.

• Detecção de delimitador que lê o arquivo, não a primeira linha — Vírgula, ponto e vírgula, tabulação e barra vertical são testados contra uma amostra e pontuados conforme produzam um número de colunas consistente. Contar separadores na linha um — a abordagem habitual — se deixa enganar por uma única vírgula dentro de um endereço entre aspas, e pela linha de cabeçalho, a menos representativa do arquivo.
• Campos entre aspas com vírgulas e quebras de linha — Um campo entre aspas pode conter o delimitador, aspas duplicadas como escape e quebras de linha reais. As três são comuns em colunas de endereço e observações exportadas, e as três quebram um analisador que primeiro divide nas quebras de linha.
• Marcas de ordem de bytes são removidas — A exportação “CSV UTF-8” do Excel escreve uma. Se ficar, torna a primeira célula de cabeçalho sutilmente diferente da sua gêmea, então toda a linha de cabeçalho é lida como alterada — o que parece dois arquivos sem relação. Aqui isso é tratado sem que se peça.
• Codificações, inclusive as que o Excel escreve de fato — UTF-8, UTF-16 nas duas ordens de bytes — o que a exportação “Texto Unicode” do Excel produz — mais Windows-1252 e o ISO-8859-1 verdadeiro. Uma marca no arquivo tem prioridade sobre a lista suspensa, e a ferramenta diz isso em vez de fazer a coisa certa em silêncio sob um controle que passou a mentir.
• Linhas irregulares e vazias são preservadas — Uma linha com uma coluna a mais, ou uma linha em branco no meio, fazem parte do arquivo. Descartar linhas em branco desloca em silêncio todos os números de linha seguintes, e aí o relatório aponta para as linhas erradas.

Um registro duplicado costuma ser exatamente o que você estava procurando, então uma comparação que o suaviza falhou na tarefa.

• A combinação por linha inteira conta, não agrupa — Três linhas idênticas no primeiro arquivo contra uma no segundo dão uma coincidência e duas linhas presentes só no primeiro. Uma ferramenta que trata cada arquivo como um conjunto de linhas distintas relata as três como presentes em ambos, o que é falso e parece certo.
• Chaves repetidas são pareadas em ordem e relatadas — Se um valor de chave aparece duas vezes de cada lado, a primeira pareia com a primeira e a segunda com a segunda, e a chave repetida é listada para que você saiba que o pareamento foi arbitrário.
• Linhas com chave vazia são contadas — Não podem ser pareadas de forma significativa, então a ferramenta diz quantas existem em vez de pareá-las entre si sem avisar.

Cinco arquivos, cada um respondendo a uma pergunta diferente, mais duas formas de levar tudo de uma vez.

• Só em A e só em B — Linhas completas no formato do próprio arquivo, com o cabeçalho original, para que voltem a ser importadas por onde quer que as tenha produzido.
• Alterados — Uma linha por registro alterado, cada coluna comparada presente como um par antes/depois, e uma célula final nomeando quais colunas de fato se moveram.
• Em ambos — Os registros que não se moveram, para quando esse é o conjunto interessante.
• Relatório de mudanças — Formato longo: uma linha por célula alterada mais uma por registro adicionado ou removido. Status, chave, os dois números de linha, coluna, antes, depois.
• Um ZIP e uma pasta de trabalho colorida — O Pro reúne cada conjunto não vazio mais um manifesto num único arquivo compactado, ou uma planilha com as linhas adicionadas em verde, as removidas em vermelho e as células alteradas em âmbar. Ambos contêm exatamente os dados dos downloads gratuitos, reunidos num arquivo só.
• Saída escrita do jeito que você precisa — Escolha o delimitador, o fim de linha e se uma marca de ordem de bytes é escrita, e nomeie os arquivos com um prefixo. As exportações são escritas com as suas configurações, não com as da entrada.

Os dois arquivos são lidos uma única vez para um índice de bytes e comparados sem nunca criar uma string por célula, então um par de exportações de 25 MB termina em cerca de um segundo.

Duas exportações da mesma tabela, feitas em momentos diferentes ou em sistemas diferentes, e uma pergunta sobre o que se moveu entre elas.

• Conciliar dois sistemas — Uma exportação do CRM contra uma de faturamento, combinadas por e-mail ou número de conta, para achar os registros que uma tem e a outra não.
• Verificar o que uma importação fez — Exporte antes, exporte depois, combine pela chave primária e leia a lista de alterados. É mais rápido que confiar no log da importação, e ela nomeia as células.
• Revisar uma mudança de dados antes de publicá-la — O relatório de mudanças é um documento revisável: um colega pode lê-lo sem abrir nenhum dos dois arquivos.
• Auditar uma lista de preços ou de estoque — Combine por SKU, exclua a coluna de carimbo de tempo, e a aba de alterados é a lista do que realmente se moveu.
• Trabalhar com dados que você não pode enviar — A comparação roda no seu dispositivo, não nos nossos servidores, então a ferramenta serve para dados de clientes, folha de pagamento e qualquer outra coisa que não possa ir para um servidor.

• Corrigir CSV
• Juntar CSV
• Remover duplicatas
• Dividir CSV
• Ordenar CSV
• Visualizador de CSV