Limpiar un archivo de datos recibido

Pasar de un CSV desconocido a un archivo limpio que pueda devolver con confianza.

Situación. Alguien le envía un CSV. Procede de una hoja de cálculo, una exportación o un sistema que no controla, y debe enviarse a un script, un repositorio u otra persona.

Lo que obtiene al terminar. Un archivo corregido, en un dialecto que el destino comprende, con el original intacto a su lado.

1. Abrir y comprobar la lectura

Arrastre el archivo a Balise o elija Archivo > Abrir… (⌘O).

Mire primero la cuadrícula: ¿las columnas están donde espera? Si todo aparece en una sola columna o los acentos se ven mal, la lectura es incorrecta, no el archivo.

Corrija el separador o la codificación en el inspector. Consulte cada síntoma en Cuando un archivo de datos da problemas.

2. Leer los diagnósticos antes de cambiar nada

El inspector separa errores, advertencias y observaciones.

Empiece por los errores: un campo sin cerrar, un número de columnas que cambia entre filas o una cabecera vacía o duplicada. Estos problemas pueden romper el procesamiento posterior.

Las observaciones describen el archivo sin señalar defectos. Una columna casi vacía no es un problema si debe estar así.

3. Revisar las columnas una a una

La navegación izquierda muestra, para cada columna, el tipo probable, el número de valores vacíos y el de valores distintos.

Así puede detectar una columna supuestamente numérica que contiene tres valores de texto, o un identificador que debería ser único y no lo es.

Los tipos son una interpretación, no una decisión: no se convierte nada.

4. Corregir

Las transformaciones del menú Datos cambian la fuente y todas se pueden deshacer con ⌘Z.

Las más útiles para un archivo recibido son recortar espacios alrededor de los valores de una columna, normalizar Unicode a NFC y eliminar filas duplicadas según una columna.

Para correcciones puntuales, edite directamente en la cuadrícula. La barra de valores muestra el contenido exacto de la celda, sin cambiar su formato.

5. Reparar en lugar de improvisar

Si Balise propone una reparación, como cerrar un campo abierto, unificar los finales de línea o completar filas cortas, lea la vista previa antes de aceptar.

Muestra los formatos anterior y posterior, cada diferencia, su motivo y su gravedad.

La reparación afecta a una copia. El archivo original permanece intacto.

6. Entregar en el dialecto correcto

Convertir una copia crea el archivo destinado a su receptor.

Elija el perfil según quién vaya a leerlo:

  • un script o un repositorio Git: Unix UTF-8 con finales de línea LF;
  • una hoja de cálculo configurada en francés: punto y coma regional;
  • una herramienta que exige BOM: Excel UTF-8;
  • una herramienta estricta: RFC 4180.

También aquí una vista previa muestra los cambios antes de escribir.

7. Conservar un registro

Exporte un informe de inspección en Markdown y guárdelo junto al archivo.

Contiene dimensiones, dialecto, codificación, diagnósticos y perfiles de columnas. La próxima vez que este proveedor le envíe un archivo, podrá ver si se repiten los problemas.

Si algo falla