Estudio de Reparación y Normalización de CSV y Excel
Diagnostique, repare y normalice archivos CSV y Excel (.xlsx) dañados sin latencia. Incluye Piloto Automático Heurístico de delimitadores y codificación, Corrector de Desbordamiento de Columnas, Depurador de Fechas ISO 8601 y Espacios, Cuadrícula Virtualizada de Millones de Filas y generador SQL CREATE TABLE 100 % local.
Herramientas en LíneaArrastre aquí su archivo CSV, TSV o Excel (.xlsx / .xls) dañado
El Piloto Automático Heurístico detecta delimitadores, codificación de caracteres y desbordamiento de columnas localmente en su navegador.
Admite .CSV, .TSV, .TXT, .XLSX, .XLS de hasta 500 MB+ (Cero subidas al servidor)
Detectado automáticamente: Delimitador Coma (,), Codificación UTF-8. 28 anomalías encontradas.
Corrector de Desbordamiento de Columnas
Columnas del Esquema: 10Detecta delimitadores sin escapar dentro de campos de texto que desplazan las columnas fuera del esquema de encabezado y encapsula el texto en comillas dobles RFC 4180.
Depuración de Tipos y Normalización de Datos
Sanitice exportaciones de hojas de cálculo desordenadas y estandarice formatos de fecha en todas las columnas.
Cuadrícula de Datos Virtualizada de Alta Velocidad
Renderizando ventana virtual: 12 / 12 filas en total• Haga clic en cualquier celda para editar en líneaExportación Multiformato y Generador de Esquema SQL DDL
Exporte su conjunto de datos reparado con formato RFC 4180 estricto o copie el esquema SQL inferido.
Cómo Reparar Archivos CSV y Excel Dañados
Flujo de trabajo de ingeniería de datos para resolver colisiones de delimitadores, errores de codificación y desalineación de columnas.
Cargue el Archivo en el Piloto Automático Heurístico
Arrastre cualquier archivo CSV, TSV o libro de Excel al terminal. El motor analiza las primeras 100 filas para deducir automáticamente el delimitador y la codificación.
Audite la Puntuación de Salud de Datos
Revise en tiempo real la Puntuación de Salud del Archivo y los contadores exactos de Filas Válidas, Columnas Huérfanas y Errores de Codificación.
Ejecute la Autorreparación de Columnas
Filtre por Anomalías Marcadas para ver las filas resaltadas en rojo con columnas adicionales. Pulse Autorreparar Cuadrícula para encapsular comas no escapadas.
Normalice Fechas y Limpie Espacios
Active los controles de Depuración de Tipos para eliminar espacios invisibles, borrar caracteres no imprimibles y unificar fechas mixtas a ISO 8601 (AAAA-MM-DD).
Inspeccione en la Cuadrícula Virtualizada
Desplácese con fluidez por cientos de miles de filas sin bloquear el navegador o haga clic en cualquier celda para editar su valor manualmente.
Exporte Datos Limpios o Esquema SQL
Descargue sus datos saneados como CSV UTF-8, Array JSON o Excel (.xlsx), o copie la sentencia SQL CREATE TABLE con tipos de datos inferidos.
Preguntas Frecuentes (Ingeniería de Datos y Reparación CSV)
Respuestas técnicas sobre procesamiento local del lado del cliente, RFC 4180 y recuperación de codificación.
P:¿Se suben los archivos CSV o Excel corporativos confidenciales a algún servidor externo?
Jamás. Toda la decodificación de bytes, el muestreo heurístico de delimitadores, la realineación de columnas y la generación de libros Excel se ejecutan 100 % localmente en su navegador mediante procesos en segundo plano.
P:¿Cómo soluciona el Corrector de Desbordamiento las filas con demasiadas columnas?
Cuando aparece una coma sin escapar dentro de una descripción de producto, los analizadores básicos dividen el campo y desplazan las columnas siguientes. Nuestro motor fusiona los fragmentos desbordados y los envuelve en comillas dobles según el estándar RFC 4180.
P:¿Por qué fallan a menudo las exportaciones CSV al importarlas en bases de datos SQL?
Las configuraciones regionales que utilizan la coma como separador decimal exportan archivos CSV con punto y coma (;) y codificación Windows-1252. Nuestro Piloto Automático Heurístico lo detecta al instante y convierte la salida a UTF-8 estándar.
P:¿Cómo puede la cuadrícula mostrar más de 500.000 filas sin bloquear el navegador?
En lugar de renderizar cientos de miles de nodos DOM simultáneamente, el estudio utiliza virtualización de ventana gráfica, manteniendo en el DOM únicamente las filas visibles en pantalla.
P:¿Cómo resuelve el Depurador de Fechas y Espacios los formatos de fecha mixtos y caracteres invisibles de Excel?
La canalización de normalización elimina espacios de no separación (U+00A0), espacios de ancho cero (U+200B) y bytes de control ASCII, convirtiendo automáticamente fechas mixtas (DD/MM/AAAA, MM-DD-AAAA, DD.MM.AAAA) y números de serie de Excel al estándar ISO 8601 (AAAA-MM-DD).
P:¿Cómo deduce el generador Copiar Esquema (SQL) los tipos de datos relacionales de cada columna?
El perfilador de esquemas analiza los valores no vacíos de cada columna para clasificarlos en BIGINT, DECIMAL(18,4), BOOLEAN, DATE o VARCHAR(255), normaliza los identificadores de encabezado y genera una sentencia DDL CREATE TABLE lista para ejecutar.
- Shealth: Puntuación de Salud del Archivo (0–100) calculada sobre el total de registros (Rtotal) y el número de columnas del esquema (C0).
- Rspill y Δspill(i): Filas con desbordamiento de esquema y desviación de columnas por fila respecto al encabezado (C0).
- Anorm y Eenc: Celdas con formatos de fecha o espacios sin normalizar y errores de codificación de caracteres.
¿Qué es Estudio de Reparación y Normalización de CSV y Excel?
Lidiar con archivos CSV y Excel corruptos o mal formateados es uno de los mayores cuellos de botella en el análisis de datos. Abrir archivos masivos en programas tradicionales suele terminar en pantallas congeladas o pérdida de datos. Esta plataforma avanzada diagnostica, repara y normaliza sus conjuntos de datos en milisegundos. Además, su arquitectura de privacidad 100 % del lado del cliente asegura que la información sensible de su empresa nunca se suba a la nube, procesando todo en la memoria de su propio ordenador. Es el puente perfecto entre extracciones de datos caóticas y entornos de bases de datos limpios y listos para producción.
Escenario Práctico: Consolidación de Historiales Clínicos
Un ingeniero de datos en un hospital de Madrid está consolidando registros de pacientes de tres clínicas periféricas que utilizan sistemas informáticos obsoletos. Las exportaciones en CSV están gravemente dañadas: los acentos y las eñes (á, é, ñ) aparecen como símbolos ilegibles por errores de codificación, y los espacios en blanco invisibles están corrompiendo los identificadores de los pacientes. Al cargar el archivo en el estudio, el Piloto Automático Heurístico detecta inmediatamente la codificación original (ISO-8859-1) y restaura los caracteres españoles. Luego, el depurador de espacios en blanco purga los caracteres invisibles de los identificadores. Finalmente, exporta la estructura perfecta en SQL, garantizando que el historial médico se importe al nuevo sistema central sin comprometer un solo dato confidencial.
Arquitectura de Saneamiento y Recuperación
| Módulo | Mecanismo Heurístico | Resultado |
|---|---|---|
| Piloto Automático Heurístico | Muestrea 100 filas evaluando varianza de delimitadores y firmas de bytes. | Detección instantánea de delimitador y codificación. |
| Corrector de Desbordamiento | Detecta filas donde el conteo de columnas supera el esquema (Ci > C0). | Fusiona fragmentos desbordados con comillas dobles RFC 4180. |
| Depurador de Fechas y Espacios | Elimina espacios NBSP (0xA0), bytes de control y analiza fechas mixtas. | Fechas unificadas al estándar ISO 8601 (AAAA-MM-DD). |
| Cuadrícula Virtualizada | Renderiza en el DOM únicamente las filas visibles en pantalla a 60 FPS. | Inspecciona más de 500.000 filas sin bloquear el navegador. |
Tutorial de Codificación: UTF-8 frente a Windows-1252 e ISO-8859-1
Cuando los sistemas corporativos heredados exportan archivos utilizando codificaciones de un solo byte como Windows-1252 o ISO-8859-1, los caracteres en el rango superior (0x80–0xFF) generan símbolos de reemplazo dañados (�) al leerse como UTF-8. Nuestro analizador binario examina el flujo Uint8Array original y transcodifica la salida a UTF-8 limpio.
Historia y Origen
Aunque los archivos de texto delimitados por comas se han utilizado desde los primeros días de la informática comercial en los años 70, el formato CSV fue notoriamente anárquico durante décadas. Cada programa informático lo implementaba a su manera, utilizando diferentes formas de manejar saltos de línea o comillas internas. No fue hasta el año 2005 cuando se redactó el RFC 4180, el primer intento real de estandarizar el formato en internet. Sin embargo, debido a los millones de sistemas heredados que aún operan bajo reglas antiguas, la necesidad de herramientas de reparación heurística sigue siendo vital en la actualidad.