Ordenar CSV por coluna

1. 1

   Adicione o seu CSV

   Solte um arquivo .csv, .tsv, .psv, .tab ou .txt, ou cole as linhas diretamente. O delimitador, a codificação e se a linha um é um cabeçalho são detectados e mostrados.

2. 2

   Escolha as colunas

   Escolha uma coluna, deixe o tipo em Automático ou defina-o como Número, Texto, Data ou Comprimento, e escolha um sentido. Adicione mais chaves para desempatar e reordene-as para mudar qual manda.

3. 3

   Ordene

   As linhas são reordenadas no seu dispositivo. O cabeçalho fica no topo, as células vazias vão para onde pediu e a pré-visualização mostra o resultado de imediato.

4. 4

   Baixe ou copie

   Exporte como CSV ou TSV com os fins de linha e a codificação que precisar, copie o arquivo inteiro para a área de transferência ou leve um lote num só ZIP com Pro.

Reordena as linhas de um arquivo delimitado e não muda mais nada. Cada opção abaixo existe porque um arquivo real precisou dela.

• Tantas chaves de ordenação quantas precisar. A primeira é a ordem principal; cada uma abaixo desempata a anterior, com o seu tipo e o seu sentido.
• Quatro formas de comparar. Número, Texto, Data e Comprimento, ou Automático, que lê a coluna e escolhe.
• Um cabeçalho que você controla. A detecção é mostrada com o seu motivo, e Sim e Não corrigem-na.
• Análise de CSV de verdade. Vírgulas entre aspas, quebras de linha entre aspas, aspas duplicadas, linhas em branco e linhas irregulares sobrevivem à ida e volta.
• Delimitadores e codificações deduzidos, não adivinhados. Vírgula, ponto e vírgula, tabulação e barra vertical; UTF-8, UTF-16 e Windows-1252.
• Uma exportação que combina com o seu arquivo. O delimitador dele, os fins de linha dele e cada linha intacta byte a byte.

Uma única chave responde a uma pergunta. Duas ou três respondem à pergunta que as pessoas realmente fazem sobre uma planilha.

As chaves são aplicadas por ordem. A primeira decide a posição de cada linha cujo valor difere; onde duas linhas empatam, decide a segunda, e assim por diante. As linhas que empatam em todas as chaves ficam pela ordem em que estavam no arquivo — a ordenação é estável, por isso corrê-la duas vezes com as mesmas configurações dá o mesmo arquivo duas vezes, e uma ordenação já aplicada nunca é desfeita pela seguinte.

Três chaves que respondem a uma pergunta real

• Região, depois data, depois valor. Os pedidos de cada região juntos, os mais antigos primeiro dentro de cada uma, e o maior primeiro quando dois caíram no mesmo dia.
• Estado, depois cliente. Os pedidos abertos agrupados, por ordem alfabética dentro do grupo.
• Categoria, depois preço decrescente. O catálogo arrumado como se lê uma lista de preços.

As setas ao lado de cada chave sobem-na ou descem-na, o que muda qual coluna manda. Costuma ser mais rápido do que apagar uma chave e voltar a criá-la, e é a forma mais rápida de ver os mesmos dados arrumados de duas maneiras.

A comparação de que uma coluna precisa é uma propriedade dos dados, não da ferramenta. O Automático lê a coluna e escolhe; os quatro tipos abaixo forçam a escolha quando o Automático não chega lá.

• Número. Compara o valor, não os caracteres. 2 antes de 10, -5 antes de 0 e 10,25 antes de 10,5.
• Texto. Alfabético, pelas regras da sua língua, por isso as letras acentuadas ficam onde um dicionário as põe.
• Data. Cronológico. Dezembro de 2023 antes de março de 2024, seja qual for o formato da coluna.
• Comprimento. Do mais curto ao mais longo, a contar caracteres. Útil para encontrar os valores truncados e os longos demais numa coluna que devia ser uniforme.

O Automático recolhe uma amostra da coluna e adota a leitura que serve à maioria. Um N/D perdido entre dez mil preços não transforma uma coluna de dinheiro numa coluna de texto — esse valor é apenas colocado depois de todos os números que foram interpretados.

Quase todos os ordenadores de CSV online oferecem um modo numérico que na verdade é uma comparação de texto por ordem natural. A ordem natural percorre sequências de dígitos, por isso lê 10,5 como dez, vírgula, cinco e 10,25 como dez, vírgula, vinte e cinco, depois compara cinco com vinte e cinco e coloca 10,25 depois de 10,5. Todos os valores são números, o resultado parece seguro, e a ordem está errada.

O aspeto que um número pode ter numa exportação real

• 1.200 e 1,200. Separadores de milhares, em qualquer das convenções.
• 1.234,56 e 1,234.56. Ambos com a mesma estrutura; o separador que aparece por último é o decimal.
• 4,50 €, £12, 50 %. Um símbolo de moeda ou de porcentagem não impede um valor de ser um número.
• (1.200,00). Negativos contabilísticos entre parênteses, que nenhuma planilha exporta de outra forma.
• 1e3 e -0. Notação científica e zero com sinal.

Ordenada como texto, uma coluna de datas americanas sai como 1/15/2024, 3/1/2024, 12/1/2023 — dezembro no fim, depois de março. Ordenada como datas, sai pela ordem em que aconteceu. É toda a razão de ser do tipo Data.

Dia primeiro ou mês primeiro

3/1/2024 é 3 de janeiro em quase todo o mundo e 1 de março nos Estados Unidos, e nada dentro do valor decide isso. Por isso decide a coluna inteira: um primeiro elemento acima de 12 prova dia primeiro, um segundo acima de 12 prova mês primeiro. Quando uma coluna não prova nenhum dos dois, a ferramenta di-lo, lê mês primeiro porque é o que uma exportação americana produz, e o controle Ordem da data troca com um clique.

Formatos que são lidos

• ISO. 2024-03-10, 2024/03/10, com ou sem hora e desvio UTC.
• Barras, hífenes e pontos. 3/1/2024, 3-1-24, 10.03.2024, com anos de dois ou quatro dígitos.
• Nomes de mês. Jan 12, 2024 e 12 jan 2024, em português, inglês, espanhol, francês, alemão e indonésio.

Uma data que não existe não é movida em silêncio. 2024-02-31 é rejeitada em vez de lida como 2 de março, que é o que o próprio interpretador de datas do navegador faz com ela.

A vírgula não é o problema. As regras de aspas à volta dela é que são, e um ordenador que as interpreta mal reordena estragos em vez de dados.

• O caractere de aspas é uma definição. Quase todos os arquivos usam aspas duplas, e um escrito com aspas simples é lido corretamente assim que o indicar.
• Um campo entre aspas pode conter o delimitador. "Silva, João" é uma célula. Partir pelas vírgulas transforma-a em duas, e cada célula à direita cai na coluna errada.
• Um campo entre aspas pode conter uma quebra de linha. Um endereço ou uma nota é uma linha. Dividir primeiro pelas quebras rasga-a em duas e desloca o arquivo inteiro por baixo.
• Aspas duplicadas são umas aspas literais. "Ele disse ""olá""" dá Ele disse "olá", não Ele disse olá.
• Uma linha em branco é uma linha. Deitá-la fora muda o número de linhas entre o que entrou e o que saiu.
• As linhas podem ser irregulares. As linhas curtas e longas ficam como estão e são contadas por cima da pré-visualização para que veja que existem.

Contar caracteres na primeira linha é a abordagem óbvia e está errada: em "Silva, João";42;"Costa, A" há duas vírgulas e dois pontos e vírgulas, e as duas vírgulas estão entre aspas. Em vez disso o arquivo é analisado com cada candidato à vez e pontuado consoante o resultado formar uma tabela coerente — o delimitador errado dá linhas de larguras muito diferentes, o certo dá linhas que concordam. Esse teste não se deixa enganar pelas aspas, porque a análise que ele pontua já as respeita.

• Vírgula. O padrão em quase todo lugar onde se exporta em inglês.
• Ponto e vírgula. O que o Excel escreve onde o separador decimal é a vírgula.
• Tabulação. .tsv, e o que resulta de colar a partir de uma planilha.
• Barra vertical. Comum em extrações de bancos de dados e de mainframes, onde os próprios dados têm vírgulas.

Uma lista de codificações com UTF-8 como padrão está errada para metade dos arquivos que as pessoas têm, e uma que o usuário tem de definir está errada sempre que ele se esquece. A detecção lê os bytes: uma marca de ordem de bytes decide logo, o UTF-16 sem ela reconhece-se pelos bytes nulos e, caso contrário, o arquivo é decodificado como UTF-8 de forma estrita — o UTF-8 verdadeiro passa, uma página de códigos antiga não, porque os seus bytes altos não formam sequências válidas. Só então se aplica o Windows-1252.

• UTF-8, com ou sem marca de ordem de bytes. O que é quase toda a exportação moderna.
• UTF-16, em qualquer das ordens. O que o Excel escreve quando escolhe Texto Unicode.
• Windows-1252 e ISO-8859-1. Exportações europeias antigas, onde os acentos cabem num único byte alto.

A saída é sempre UTF-8, opcionalmente com marca de ordem de bytes para que as versões antigas do Excel a abram com os acentos intactos. Voltar a escrever uma página de códigos antiga substituiria em silêncio cada caractere que ela não consegue guardar, e destruir caracteres num arquivo que apenas reordenou seria um defeito pior do que qualquer um que esta reconstrução corrige.

Por padrão é o seu arquivo com as linhas movidas. O delimitador, os fins de linha e a quebra final são os que trazia, e cada linha que não mudou é copiada exatamente como chegou — aspas originais, espaços originais, tudo original. Um ordenador que volta a pôr aspas em cada célula acabará por discordar da origem em algum ponto, e um código de produto que perde as aspas é um código de produto que o Excel come.

• Delimitador de saída. Mantenha o da origem ou escreva vírgulas, pontos e vírgulas, tabulações ou barras. Uma exportação com tabulações chama-se .tsv.
• Fins de linha. Mantenha os da origem ou force LF ou CRLF.
• Marca de ordem de bytes. Acrescenta a pista UTF-8 de que as versões antigas do Excel precisam para mostrar bem os acentos.
• Aspas em todos os campos. Para os importadores estritos que assim o exigem.

Ordenar não é a parte lenta de uma ferramenta de CSV — lê-lo é, e comparar valores dois a dois é o que transforma uma operação rápida numa aba congelada. Aqui o arquivo é lido uma vez ao chegar, cada valor de que a ordenação precisa é calculado uma vez, e a ordenação em si é aritmética. Mudar um sentido ou acrescentar uma chave reordena sobre o arquivo já aberto em vez de o reler, e é por isso que a pré-visualização se mexe tão depressa como o controle.

• Meio milhão de linhas, 26 MB. Abrem em cerca de um décimo de segundo.
• Uma coluna de números ou datas desse tamanho. Ordenada em menos de meio segundo.
• Agrupar por uma categoria. Cerca de quatro centésimas de segundo, porque uma coluna com poucos valores distintos não precisa de comparações.
• Meio milhão de nomes diferentes. Um ou dois segundos — o mais lento que a ferramenta faz, e ainda assim mais rápido do que a maneira habitual.
• Nada na thread principal. A página continua respondendo e Cancelar para o trabalho de imediato.

Tudo acontece no seu dispositivo. O arquivo nunca é enviado, por isso não há fila, não há cobrança por megabyte e não fica nada para apagar depois, e a ferramenta continua funcionando com a rede desligada.

Meio milhão de linhas num arquivo de 26 MB abrem em cerca de um décimo de segundo, e agrupá-las por uma categoria custa mais umas quatro centésimas.

Ordenar é a coisa mais barata que pode fazer a um conjunto de dados e facilita todos os passos seguintes.

• Vê-se a forma que tem. Os extremos, as falhas e os duplicados passam para onde os consegue encontrar.
• Os duplicados alinham-se. As linhas iguais ficam contíguas, que é do que um removedor de duplicados precisa.
• As importações tornam-se previsíveis. Um arquivo sempre com a mesma ordem produz uma comparação legível quando é carregado duas vezes.
• Os relatórios leem-se sozinhos. Agrupado por categoria e datado dentro de cada grupo é um relatório, não uma despejo de dados.

Tudo o que torna a ordenação correta é gratuito. O Pro é sobre escala.

• Gratuito. Um arquivo até 25 MB, até três chaves de ordenação, todos os tipos, todos os sentidos, todos os delimitadores, todas as codificações de entrada e todas as opções de exportação.
• Pro. Arquivos tão grandes quanto o seu dispositivo aguentar, cinquenta de cada vez entregues num só ZIP, e tantas chaves quantas quiser.

Não há um resultado gratuito de pior qualidade para melhorar. Um CSV não tem resolução para reduzir nem compressão para baixar, por isso o plano gratuito é limitado por quanto ordena de uma vez, nunca por quão bem.

• Verifique o controle de cabeçalho antes de ordenar. É mostrado com o motivo da decisão; um arquivo sem cabeçalho não deve ter a primeira linha presa.
• Veja o tipo em que a chave ficou. É escrito por baixo de cada chave, e uma coluna que esperava numérica a aparecer como texto costuma significar um caractere perdido nela.
• Defina a Ordem da data se o arquivo não for americano. Só é preciso quando a própria coluna é ambígua, e a ferramenta avisa quando isso acontece.
• Use várias chaves em vez de ordenar duas vezes. Duas passagens funcionam porque a ordenação é estável, mas uma passagem com duas chaves diz o que queria dizer.
• Mantenha o delimitador da origem a não ser que algo a jusante exija outro. É a definição que mantém a exportação idêntica byte a byte à entrada.

• Filtrar CSV
• Visualizador CSV
• Remover duplicados
• Dividir CSV
• Juntar CSV
• Adicionar ou remover colunas