Datos y hojas de cálculo · CSV Limpiador
Separados por punto y coma CSV Explicación: comas decimales y configuración regional
· Antecedentes
csv delimitadores interoperabilidad
En gran parte de Europa, una coma es el separador decimal, por lo que el archivo 'separado por comas' utiliza punto y coma en su lugar. Esta publicación explica la lógica local detrás de la división, cómo deciden las hojas de cálculo y qué sucede cuando los archivos cruzan la frontera.
Un archivo de un colega en el extranjero se abre como una sola columna: el momento en que la mayoría de la gente descubre que CSV tiene dialectos
Una exportación de punto y coma abierta bajo el supuesto de solo coma aparece como una columna de texto ancha. Ese síntoma refleja una elección del analizador, no una prueba de que los datos estén corruptos. ToolAcre ofrece punto y coma junto con coma, tabulación y barra vertical y escribe el carácter que realmente usó en el control.
La primera respuesta debe ser estructural: inspeccionar el separador sin formato y obtener una vista previa. No reemplace cada punto y coma a ciegas, porque el texto citado puede contener puntuación y cambiar bytes sin analizar puede alterar los valores. Una lectura con reconocimiento de dialecto distingue los separadores del contenido de la celda.
Comas decimales: por qué '1,5' es un número válido en muchas configuraciones regionales y por qué un delimitador de coma lo haría imposible de analizar
El libro explica los puntos y comas mediante comas decimales. Ese es un contexto de intercambio útil, pero esta implementación nunca analiza `1,5` como un número localizado. Conserva la celda como una cadena. Por lo tanto, el significado de la coma dentro de un valor y el significado del punto y coma entre campos permanecen separados en el momento del análisis.
No convierta marcas decimales mientras repara delimitadores a menos que un esquema de destino lo requiera explícitamente. Un campo de código o prosa puede contener legítimamente una coma. ToolAcre maneja los límites de la tabla y deja la interpretación numérica a la aplicación receptora.
El contexto de coma decimal es plausible, pero ToolAcre trata los valores de celda como cadenas y no analiza números localizados
La herramienta no consulta la configuración regional o del separador de listas del sistema operativo. La detección automática analiza una muestra de diez filas debajo de cada candidato admitido, mide el ancho máximo y recompensa a los candidatos que producen un rectángulo consistente. Si ninguno crea al menos dos columnas, vuelve a la coma.
Este método basado en archivos se puede reproducir en todas las ubicaciones. Todavía puede elegir mal en datos inusuales o de una sola columna, razón por la cual existe el selector manual. El control refleja el valor detectado y al cambiarlo vuelve a analizar el texto original, descartando los pasos de limpieza ya aplicados.
ToolAcre detecta la forma del archivo; no lee la configuración del separador de listas del sistema operativo
Bajo el delimitador incorrecto, un registro de punto y coma sigue siendo una celda en lugar de convertirse en varias columnas. ToolAcre no interpreta números localizados, por lo que no puede cambiar silenciosamente `1,5` a otro valor numérico durante el análisis. El error es visible en el recuento de columnas y la forma de vista previa.
La discrepancia inversa puede dividir las comas sin comillas en celdas adicionales y activar advertencias de filas irregulares. Las comas entre comillas permanecen protegidas bajo la máquina de estados. Lea las advertencias y compare el ancho esperado del encabezado en lugar de asumir que una primera fila plausible demuestra que todos los registros posteriores están alineados.
El analizador muestra lecturas estructurales, no cambios numéricos silenciosos
Utilice `item;price;note` seguido de `A;1,5;"small, red"` y `B;2,0;plain`. El análisis de punto y coma produce tres columnas, preservando ambas cadenas que contienen comas. El análisis de comas deja puntos y coma dentro de los campos y, en su lugar, puede crear divisiones engañosas alrededor de las comas.
El detector debe favorecer el punto y coma porque ese candidato produce una forma consistente de tres columnas, mientras que las comas no. Este ejemplo demuestra el comportamiento del analizador sin afirmar que 1,5 tenga ningún valor numérico. El sistema receptor debe aplicar su propia convención decimal documentada.
Ejemplo resuelto: detección de punto y coma con valores de cadena que contienen comas
El intercambio transfronterizo mejora cuando el delimitador de nombres del remitente y el receptor, la codificación, la política de encabezado y las convenciones de valores. “CSV” por sí solo no resuelve ninguno de ellos. Incluya un pequeño dispositivo y verifíquelo a través del analizador de recepción exacto antes de enviar una exportación de producción.
Si se requiere salida de coma, seleccione la coma para la serialización después de que la fuente de punto y coma se haya analizado correctamente. Los campos que contengan comas decimales se citarán automáticamente, conservándolos como texto de celda. La conversión de sintaxis no traduce notación decimal ni formatos de moneda.
Lo que esto no cubre: convertir formatos numéricos dentro de los datos; el delimitador y la marca decimal son problemas separados
La conversión de formato numérico se encuentra fuera de la reparación del delimitador de ToolAcre. No convierte las comas en puntos decimales, no reconoce separadores de miles ni emite cantidades. Se trata de una preservación deliberada de cadenas, no de una inferencia numérica incompleta. El esquema de destino es dueño de esa transformación.
La ruta tampoco puede garantizar cómo una aplicación de hoja de cálculo elige los separadores cuando se abre un archivo. Solo puede producir el delimitador seleccionado en su salida y comillas estándar alrededor de caracteres en conflicto. Pruebe la aplicación de destino en lugar de inventar el comportamiento del proveedor.
El delimitador sigue la configuración regional, no el archivo: cómo la reparación del delimitador del limpiador ToolAcre CSV le proporciona un archivo con un separador conocido
En esta herramienta, el delimitador sigue la forma del archivo analizado o una elección manual, no la configuración regional. Esa corrección es importante porque dos analistas en diferentes oficinas deberían ver el mismo carácter fuente detectado cuando cargan texto idéntico. El entorno no reescribe la lista de candidatos del analizador.
Confirme el control, inspeccione el ancho de las filas y exporte para el consumidor conocido. El punto y coma no es una coma separada CSV ni una prueba automática de datos de coma decimal. Es un separador estructural compatible y ToolAcre trata cada valor entre separadores como texto.