Mesclar Arquivos CSV

1. 1

   Adicionar arquivos

   Adicione dois ou mais arquivos CSV, TSV ou PSV pelo seletor ou arrastando. Cada arquivo é lido separadamente e seu delimitador e codificação são detectados de forma independente.

2. 2

   Ordenar

   Suba ou desça cada arquivo. A mescla segue a lista de cima para baixo, e o primeiro arquivo fornece o cabeçalho.

3. 3

   Escolher o alinhamento das colunas

   Alinhe as colunas pelos nomes, anexe por posição, mantenha apenas as que todos os arquivos compartilham, ou mude para uma união por chave.

4. 4

   Ajustar as opções

   Escolha o modo de cabeçalho, se remover linhas duplicadas, se adicionar a coluna de arquivo de origem e o formato de saída.

5. 5

   Mesclar

   Combine os arquivos em uma única tabela e confira a pré-visualização, que mostra o cabeçalho mesclado e as primeiras linhas.

6. 6

   Pré-visualizar e exportar

   Baixe como CSV, TSV, JSON ou NDJSON, ou copie a saída para a área de transferência.

Combine vários arquivos delimitados em uma única tabela, com controle sobre como as colunas se alinham e o que acontece com linhas repetidas.

• Mesclar vários arquivos — Combine até cinco arquivos CSV, TSV ou PSV em uma única saída no plano gratuito, e até cem com o Pro.
• Alinhar colunas pelo nome — Alinhe as colunas pelos cabeçalhos para que arquivos com os mesmos campos em ordem diferente sejam mesclados corretamente.
• Unir por uma coluna chave — Anexe uma tabela de consulta a uma exportação por uma coluna compartilhada, mantendo todas as linhas, apenas as correspondentes ou apenas as sem correspondência.
• Controle de delimitador — Vírgula, ponto e vírgula, tabulação e barra vertical são detectados por arquivo, e qualquer arquivo pode ser forçado sozinho.
• Opções de codificação — Leia os arquivos como UTF-8, UTF-16, Windows-1252 ou ISO-8859-1 real, com detecção de marca de ordem de bytes.
• Tratamento de cabeçalho — Use o cabeçalho do primeiro arquivo uma vez, mantenha o de cada arquivo no corpo, ou trate todas as linhas como dados.
• Remoção de duplicatas — Descarte linhas repetidas pela linha inteira ou pelas colunas que indicar, e veja quantas saíram.
• Pré-visualização e exportação — Confira a tabela mesclada como grade ou texto bruto, depois baixe como CSV, TSV, JSON ou NDJSON, ou copie.

Esta é a configuração que decide se uma mescla está correta, e é a que a maioria das ferramentas online erra. Três modos cobrem os casos que de fato acontecem.

• Alinhar pelo nome — O padrão. Cada coluna que qualquer arquivo tenha aparece uma vez, na ordem em que foi vista primeiro, e cada valor cai sob o seu próprio título. Os nomes são comparados sem diferenciar maiúsculas nem espaços ao redor, então Email, email e "email " são uma única coluna.
• Anexar por posição — As linhas são anexadas da esquerda para a direita usando o cabeçalho do primeiro arquivo. É a escolha certa para fragmentos sem cabeçalho de uma mesma tabela, e a errada para exportações de sistemas diferentes: por isso é uma seleção deliberada e não o padrão.
• Apenas colunas compartilhadas — Mantém só as colunas presentes em todos os arquivos, então a saída não tem células em branco. Se os arquivos não compartilham nenhum nome de coluna, a mescla para e diz isso, em vez de escrever um arquivo de linhas vazias.

Linhas mais largas que o cabeçalho

• Nada é descartado — Uma linha com mais células do que o arquivo tem cabeçalhos recebe colunas extras chamadas Coluna 4, Coluna 5 e assim por diante, então uma exportação irregular não perde dados no caminho.
• Cabeçalhos repetidos ficam separados — Um arquivo cujo cabeçalho lista o mesmo nome duas vezes mantém as duas colunas; juntá-las sob um nome descartaria em silêncio uma coluna de dados.
• Linhas curtas são preenchidas — Uma linha com menos células que o cabeçalho é completada com brancos em vez de deslocar os valores seguintes para colunas erradas.

Empilhar arquivos responde a "coloque estas tabelas uma após a outra". Uma união por chave responde a outra pergunta: "acrescente as colunas desta tabela de consulta às linhas daquela exportação". O primeiro arquivo da lista é a base, e cada arquivo seguinte é unido a ele por vez.

• Esquerda — Todas as linhas do primeiro arquivo são mantidas, e as colunas correspondentes dos outros são adicionadas ao lado. Linhas sem correspondência ficam em branco, então nada desaparece.
• Interna — Só as linhas que correspondem são mantidas. Use quando uma linha sem par não for uma linha que você quer no resultado.
• Apenas sem correspondência — Mantém só as linhas do primeiro arquivo que não têm par. É assim que se encontram os clientes sem pedidos, ou os identificadores que faltam numa segunda exportação.
• Uma correspondência ou todas — Quando uma chave se repete à direita, escolha entre pegar a primeira correspondência — o que mantém a saída com a mesma altura da tabela base — ou emitir uma linha por correspondência, que é o que um banco de dados faz.
• A multiplicidade é sempre informada — Seja qual for a escolha, o número de linhas base que corresponderam mais de uma vez aparece acima da pré-visualização, então uma união nunca pode descartar nem multiplicar linhas em silêncio.
• Nomes de coluna em conflito ficam separados — Se um arquivo unido trouxer uma coluna que a base já tem, ela chega com o nome do arquivo de onde veio em vez de sobrescrever o que estava lá.

O que a primeira linha de cada arquivo significa é uma propriedade dos seus arquivos, não da ferramenta, então é uma configuração e não um palpite.

• Primeira linha como cabeçalho — Todos os arquivos têm cabeçalho; o arquivo mesclado leva um, do primeiro. Os cabeçalhos dos demais servem para alinhar as colunas e depois são descartados.
• Manter todos — A linha de cabeçalho de cada arquivo seguinte também é escrita no corpo, para que um leitor veja onde começam as linhas de cada um. Útil quando são tabelas realmente diferentes reunidas num só documento.
• Sem cabeçalho — Todas as linhas são dados e as colunas são nomeadas pela posição. O alinhamento passa a ser posicional, porque não há nomes para alinhar.
• Coluna de arquivo de origem — Adiciona uma coluna nomeando o arquivo de onde veio cada linha. Sem ela um arquivo mesclado não pode ser auditado: não há como saber de qual das cinco exportações veio uma linha suspeita.
• Nunca sobrescreve uma coluna real — Se os seus dados já têm uma coluna com o nome escolhido, a coluna de origem recebe outro nome em vez de substituí-la em silêncio.

Mesclar exportações mensais cujos períodos se sobrepõem é o caso comum para isso, e por isso a remoção de duplicatas pertence à mescla e não a uma segunda passagem.

• Linha inteira — Duas linhas são duplicatas apenas quando todas as colunas coincidem. É o padrão seguro é nunca remove uma linha que você quereria.
• Colunas escolhidas — Indique as colunas que identificam um registro — um número de pedido, ou um identificador e uma data — e as linhas que coincidirem nelas são tratadas como o mesmo registro.
• A primeira ocorrência vence — As linhas são mantidas na ordem da mescla, então sobrevive a cópia do arquivo que estiver mais acima na lista.
• A contagem é mostrada — O número de linhas removidas aparece acima da pré-visualização. Uma remoção que mudasse a contagem em silêncio seria indistinguível de um defeito.

Estas configurações controlam a análise e a estrutura da saída mesclada.

• Delimitador — Auto, vírgula, ponto e vírgula, tabulação ou barra vertical — global ao adicionar e forçável em qualquer arquivo.
• Codificação — Escolha a codificação de leitura por arquivo, ou deixe em automático e deixe a ferramenta decidir pelos bytes.
• Primeira linha como cabeçalho — Usa o cabeçalho do primeiro arquivo uma única vez na saída mesclada.
• Mapeamento de colunas — Renomeie uma coluna antes de escrevê-la, ou descarte-a por completo, sem editar nenhum dos arquivos de origem.
• Nome de saída — Defina o nome com que o download é salvo. A extensão segue o formato de saída escolhido.

Deixe em Auto primeiro; mude para um delimitador específico se um arquivo for analisado em uma única coluna ou as larguras de linha parecerem desiguais.

• Vírgula — O mais comum em exportações CSV, é o que dá nome ao formato.
• Ponto e vírgula — O que o Excel escreve em locais onde a vírgula é o separador decimal — quase toda a Europa continental.
• Tabulação — Para arquivos do tipo TSV, é a escolha mais segura quando os próprios dados estão cheios de vírgulas.
• Barra vertical — Usada em algumas esteiras de dados e exportações de mainframe, porque quase nunca aparece dentro de um valor.
• A detecção é por arquivo, e analisa de verdade — Cada arquivo é pontuado analisando uma amostra com cada candidato e medindo o quanto o resultado fica retangular, em vez de contar separadores na primeira linha — método que um endereço entre aspas com uma vírgula derrota de imediato.

Caracteres corrompidos num arquivo mesclado quase sempre vem de um arquivo lido com a codificação errada, então a codificação é escolhida por arquivo e a declaração do próprio arquivo prevalece.

• A marca prevalece sobre a lista — Uma marca de ordem de bytes é o arquivo declarando a sua codificação; uma lista suspensa é um palpite. Quando um arquivo se declara, a declaração vence, e a ferramenta avisa ao lado desse arquivo.
• UTF-8 com marca — O que a própria exportação "CSV UTF-8" do Excel escreve. A marca é metadado, então é removida em vez de ficar dentro do primeiro título, onde quebra em silêncio qualquer alinhamento posterior por aquela coluna.
• UTF-16 — O que a exportação "Texto Unicode" do Excel produz. Lido como UTF-8 vira um muro de caracteres vazios e uma única linha enorme de uma coluna, então é detectado em vez de suposto.
• Windows-1252 e ISO-8859-1 são diferentes aqui — A maioria das ferramentas trata as duas como o mesmo decodificador porque o padrão da web faz isso. Esta implementa também o ISO-8859-1 real, então um arquivo onde o byte 0x92 é um caractere de controle e não um apóstrofo tipográfico é lido corretamente.
• Escrever uma marca na saída — Ative a marca de ordem de bytes quando o arquivo mesclado for para o Excel no Windows, que de outro modo abre um arquivo UTF-8 com a página de códigos do sistema e transforma cada nome acentuado em algo ilegível.

A tabela mesclada é uma coisa; como ela é escrita é outra, e normalmente o destino decide.

• CSV — O padrão, com o delimitador de saída que você escolher. Os campos só recebem aspas quando deixá-los sem elas mudaria o que um leitor vê.
• TSV — Separado por tabulações, para colar direto numa planilha ou para ferramentas que não gostam de aspas.
• JSON — Um vetor de objetos com as chaves do cabeçalho. Títulos repetidos são tornados distintos primeiro, porque um objeto não pode ter a mesma chave duas vezes e a segunda sobrescreveria a primeira.
• NDJSON — Um objeto por linha, que é o que esteiras de logs e importadores em fluxo esperam.
• Fins de linha — Auto segue o primeiro arquivo, ou force LF ou CRLF. Escrever sempre LF é a razão de alguns arquivos mesclados abrirem em editores do Windows como uma única linha enorme.
• Aspas em todos os campos — Desligado por padrão. Ative para importadores que exigem; nunca muda o que o arquivo significa, apenas a aparência.

Um único arquivo mesclado é mais fácil para análise, esteiras de importação e compartilhamento.

• Análise mais simples — Use um único arquivo combinado em planilhas e scripts em vez de abrir uma pasta de exportações uma a uma.
• Importações mais limpas — Muitas ferramentas aceitam um CSV com mais facilidade do que vários arquivos, e algumas aceitam apenas um.
• Um período a partir de exportações mensais — Doze relatórios mensais viram um ano e, com a remoção de duplicatas ligada, os dias sobrepostos em cada fronteira se resolvem sozinhos.
• Dados de consulta anexados uma vez — Uma união por chave escreve o nome do cliente ao lado do número do pedido uma única vez, em vez de uma fórmula de planilha que precisa de manutenção.

Cada arquivo é lido e analisado por conta própria, e depois as tabelas analisadas são combinadas na ordem da lista.

• Carregar arquivos — Adicione CSV pelo seletor ou arrastando. Cada arquivo é lido em pedaços em vez de de uma vez, para que um conjunto grande não precise caber duas vezes na memória.
• Detectar e analisar — O delimitador, o caractere de aspas e a codificação são detectados por arquivo, e as linhas são analisadas uma vez e guardadas.
• Aplicar opções — Mudar uma configuração recombina as linhas já analisadas, então a pré-visualização acompanha sem reler um único arquivo.
• Construir a saída — As colunas são resolvidas uma vez, depois cada linha é preenchida por consulta direta, que é o que mantém uma mescla de meio milhão de linhas numa fração de segundo.
• Pré-visualizar e exportar — A tabela mesclada é mostrada antes da exportação, depois escrita em blocos direto para o download em vez de montada numa única string enorme.

A mescla roda fora da thread principal, então a página continua respondendo enquanto um conjunto grande é combinado.

• Dividir CSV
• CSV para Excel
• Visualizador de CSV
• Ferramentas CSV
• Clean up repeated rows

  A second pass over a merge whose sources overlapped more than de-duplication caught

• Sort the combined file

  Merging preserves list order; sort by a column once the rows are together