Nettoyer un fichier de données reçu

D’un CSV inconnu à un fichier propre que vous pouvez renvoyer sans vous excuser.

Situation. Quelqu’un vous envoie un CSV. Il vient d’un tableur, d’un export d’application ou d’un système que vous ne contrôlez pas, et il doit repartir vers un script, un dépôt ou une autre personne.

Ce que vous obtenez à la fin. Un fichier corrigé, dans un dialecte que la destination comprend, et l’original toujours intact à côté.

1. Ouvrir et vérifier la lecture

Glissez le fichier sur Balise, ou passez par Fichier > Ouvrir… (⌘O).

Regardez d’abord la grille : est-ce que les colonnes sont là où vous les attendez ? Si tout est empilé dans une seule colonne, ou si les accents sont abîmés, la lecture est fausse — pas le fichier.

Corrigez le séparateur ou l’encodage dans l’inspecteur. Le détail de chaque symptôme est dans Quand un fichier de données pose problème.

2. Lire le diagnostic avant de toucher à quoi que ce soit

L’inspecteur sépare les erreurs, les avertissements et les observations.

Commencez par les erreurs : un champ resté ouvert, un nombre de colonnes qui varie d’une ligne à l’autre, un en-tête vide ou dupliqué. Ce sont elles qui casseront la chaîne en aval.

Les observations décrivent votre fichier sans rien reprocher. Une colonne presque vide n’est pas un défaut si elle est censée l’être.

3. Regarder les colonnes une par une

La navigation de gauche donne, pour chaque colonne, son type probable, son nombre de valeurs vides et son nombre de valeurs distinctes.

C’est là qu’on repère une colonne annoncée comme numérique qui contient trois valeurs textuelles, ou un identifiant censé être unique qui ne l’est pas.

Ces types sont une lecture, pas une décision : rien n’est converti.

4. Corriger

Les transformations du menu Données agissent sur la source et s’annulent toutes avec ⌘Z.

Les plus utiles sur un fichier reçu : supprimer les espaces autour des valeurs d’une colonne, normaliser en Unicode NFC, dédoublonner les lignes selon une colonne.

Pour les corrections ponctuelles, éditez directement dans la grille. La barre de valeur affiche le contenu exact de la cellule, sans reformatage.

5. Réparer plutôt que bricoler

Si Balise propose une réparation — fermer un champ resté ouvert, uniformiser les fins de ligne, compléter les lignes trop courtes — lisez l’aperçu avant d’accepter.

Il montre le format avant et après, chaque différence, sa raison et sa gravité.

La réparation vise une copie. Votre fichier d’origine n’est pas touché.

6. Livrer dans le bon dialecte

Convertir une copie produit le fichier destiné à sa vraie destination.

Choisissez le profil selon qui va lire :

  • un script ou un dépôt Git : Unix UTF-8 avec fins de ligne LF ;
  • un tableur configuré en français : point-virgule régional ;
  • un outil qui exige la marque BOM : Excel UTF-8 ;
  • un outil strict : RFC 4180.

Là encore, un aperçu vous montre les changements avant l’écriture.

7. Garder une trace

Exportez un rapport d’inspection en Markdown et rangez-le à côté du fichier.

Il contient les dimensions, le dialecte, l’encodage, les diagnostics et le profil des colonnes. La prochaine fois que ce fournisseur vous enverra un fichier, vous saurez immédiatement si les mêmes problèmes reviennent.

Si ça ne se passe pas comme prévu