Limpiar un CSV desordenado: qué revisar, en orden

Para limpiar un CSV desordenado, arréglalo por capas: primero los caracteres, después la estructura y, por último, qué significa cada columna. Un CSV es texto plano, así que la mayoría de los problemas son caracteres incorrectos, filas o separadores de más, o valores que un programa lee de forma distinta a como los lees tú. Empieza por los caracteres. Un espacio oculto puede impedir que una fecha se reconozca como fecha, y las correcciones posteriores fallan sin una causa clara.

Limpiador de CSVCSV desordenado con vacíos y copiasÚsalo gratis

Caracteres que parecen correctos y no lo son

Espacios sobrantes. Un espacio al principio o al final de una celda, o dos espacios en medio de un valor, hace que "Berlin " y "Berlin" sean dos valores distintos para una búsqueda, un filtro o una unión.

Caracteres invisibles. Algunos caracteres no ocupan espacio en pantalla:

• Un espacio de no ruptura (U+00A0) parece un espacio normal, pero es otro carácter. Las páginas web lo usan para mantener juntas las palabras.
• Un espacio de ancho cero (U+200B) no tiene anchura alguna.
• Una marca de orden de bytes (U+FEFF) puede aparecer al principio del archivo, delante del primer encabezado. La columna parece "id" pero en realidad es "id", así que una búsqueda de "id" falla.

Eliminar caracteres ocultos muestra lo que encuentra antes de cambiar nada.

Letras rotas. "é" donde esperas "é" es un problema de codificación llamado mojibake. El archivo se guardó en UTF-8, donde la é ocupa dos bytes, y luego se leyó como Windows-1252, donde esos dos bytes se convierten en dos letras sin relación. Un apóstrofo "’" aparece igual como "’". La solución es leer el archivo como UTF-8, o volver a exportarlo desde el origen con UTF-8 seleccionado. Reparar un texto que ya se guardó mal es frágil, así que conserva el original y trabaja con una copia.

Estructura: filas de título, líneas en blanco y duplicados

Los informes suelen empezar con un título, una fecha y una línea en blanco antes del encabezado real. Elimina todo lo que esté por encima de la fila de encabezado, de modo que la primera línea contenga los nombres de las columnas. Cada columna necesita un nombre, y ningún nombre debe estar vacío.

Cada fila debería tener el mismo número de campos. Una coma suelta dentro de un valor que no está entre comillas añade un campo, y todos los valores posteriores se desplazan una columna a la derecha. Cuenta los campos de cada fila. Una fila con un número distinto está rota.

Los duplicados son de dos tipos. Las filas idénticas en todas las columnas suelen venir de exportar o pegar dos veces, y se pueden eliminar sin problema. Las filas que comparten una clave pero difieren en otros datos pueden ser actualizaciones. Borrar la equivocada puede eliminar la versión más reciente, así que compruébalas antes.

Fechas: 03/04/2026 puede ser dos días distintos

03/04/2026 es 3 de abril en un país y 4 de marzo en otro, y el texto no indica cuál. Mira las demás fechas de la misma columna. Si algún primer número es mayor que 12, la columna va con el día primero. Si algún segundo número es mayor que 12, va con el mes primero. Si todos los valores tienen los dos números en 12 o menos, el archivo no puede decirlo, así que pregúntale al sistema de origen. El Comprobador de tipos de datos marca esa columna como ambigua en lugar de adivinar.

Cuando sepas el orden, convierte cada fecha a ISO 8601, el formato año-mes-día como 2026-04-03. No deja lugar a dudas y se ordena bien como texto. Convierte los formatos mezclados uno a uno, porque una columna con los dos estilos se interpretará de forma inconsistente en la mayoría de programas.

Números guardados como texto

Un número se guarda como texto cuando lleva un símbolo de moneda, un símbolo de porcentaje o un espacio dentro, como "€ 12", "45%" o "1 234" con un espacio de no ruptura. Los separadores de miles, como en "1,234.50", también hacen que muchos programas lean el valor como texto. Una hoja de cálculo alinea los números en texto a la izquierda, y las sumas los ignoran.

Las comas decimales son una trampa. En "1.234,50" la coma es el separador decimal y el punto agrupa los miles. En "1,234.50" es al revés. Así, "1,234" puede ser 1234 en una exportación y 1.234 en otra. Averigua la configuración regional del origen antes de convertir, luego elimina los separadores de miles y cambia la coma decimal por un punto.

Los ceros a la izquierda se pierden

Códigos postales, códigos de producto y números de cuenta suelen empezar con ceros. Cuando un CSV se abre en una hoja de cálculo, "01234" se lee como el número 1234, y los ceros desaparecen. Guardar el archivo mantiene la pérdida, así que el sistema de origen es la única copia fiable.

Un identificador es texto, aunque parezca un número, porque nunca haces operaciones aritméticas con él. Desactiva la conversión a número en esas columnas al limpiar el CSV, y vuelve a abrir el archivo desde el origen en lugar de una copia que una hoja de cálculo haya guardado. Revisa el tipo de datos de cada columna después, para que una columna de códigos postales no vuelva a convertirse en números sin que lo notes. Excel también puede cambiar valores al abrir un CSV, así que comprueba el resultado en una vista de texto plano.

Comprueba los tipos y luego perfila

Tras limpiar, comprueba el tipo de cada columna. Un solo "N/A" en una columna de precios convierte toda la columna en texto, y entonces su total sale mal. El Comprobador de tipos de datos asigna a cada columna un tipo y una puntuación de confianza, y enumera las celdas que no encajan.

Después, perfila las columnas. El Perfilador de columnas CSV muestra huecos y valores atípicos en cada columna. Un valor atípico puede ser un dato real o un error, como un precio mil veces mayor que el resto, que suele deberse a un punto decimal o un separador mal colocado.

Casos límite

• Saltos de línea dentro de comillas. Un valor entre comillas puede contener un salto de línea. Una herramienta que divida el archivo por líneas partirá esa fila en dos, así que usa un lector que entienda los campos entre comillas.
• Archivos con punto y coma. Muchas hojas de cálculo europeas guardan los CSV con punto y coma, porque la coma es el separador decimal en su configuración regional. Comprueba el separador antes de leer las columnas.
• Conserva el original. Escribe el resultado limpio en un archivo nuevo y guarda la exportación tal cual llegó.

El orden, como lista de comprobación

1. Guarda una copia de la exportación original.
2. Elimina los espacios sobrantes y los caracteres invisibles. Corrige las letras rotas en el origen si puedes.
3. Borra las filas de título, revisa los nombres de los encabezados y confirma que cada fila tiene el mismo número de campos.
4. Busca los duplicados y decide qué versión conservar.
5. Convierte las fechas a año-mes-día, elimina los separadores y haz que los identificadores sean texto.
6. Comprueba el tipo de cada columna y luego perfílala para buscar huecos y valores atípicos.

Respuestas rápidas

¿Por qué falla mi búsqueda si los valores parecen idénticos?

Normalmente hay un espacio, un espacio de no ruptura o una marca de orden de bytes en alguna de las celdas. Elimina los caracteres ocultos y vuelve a intentarlo.

¿Por qué mis fechas cambian a otra cosa?

Un programa leyó una fecha con el día o el mes primero en el orden equivocado, o convirtió el texto a su propio formato de fecha. Convierte antes tú las fechas a año-mes-día.