Formateador de CSV

¿Qué es el formateo de CSV?

El formateo de CSV (Comma-Separated Values) es el proceso de normalizar texto tabular sin procesar para que los delimitadores, el entrecomillado, los espacios en blanco y los finales de línea sigan un conjunto coherente de reglas. RFC 4180, publicado en 2005, define el estándar CSV más ampliamente adoptado: campos separados por comas, registros terminados con CRLF, y cualquier campo que contenga una coma, comilla doble o salto de línea envuelto en comillas dobles. Un formateador de CSV toma datos CSV desordenados o inconsistentes y los reescribe para ajustarse a estas convenciones.

En la práctica, los archivos CSV raramente llegan en un formato limpio. Las exportaciones de hojas de cálculo de Excel, Google Sheets y las utilidades de volcado de bases de datos aplican distintas estrategias de entrecomillado, gestionan los espacios de manera diferente y pueden usar punto y coma o tabulaciones en lugar de comas. Cuando estos archivos se envían a un parser que espera una entrada estrictamente conforme a RFC 4180, el resultado suele ser filas rotas, columnas desplazadas o pérdida silenciosa de datos. Formatear antes de procesar detecta estos problemas de forma temprana.

Un formateador de CSV es diferente de un conversor de CSV. El formateo mantiene los datos en CSV. Normaliza el entrecomillado, recorta espacios innecesarios, realinea columnas y, opcionalmente, cambia el delimitador. La conversión cambia el formato por completo, produciendo salida en JSON, HTML, SQL o Markdown.

¿Por qué usar este formateador de CSV?

Esta herramienta parsea y re-serializa tu CSV completamente en el navegador. Tus datos nunca salen de tu máquina.

Casos de uso del formateador de CSV

Reglas de entrecomillado y escape en CSV (RFC 4180)

RFC 4180 define reglas específicas sobre cuándo y cómo deben entrecomillarse los campos. Los seis escenarios que se muestran a continuación cubren los casos en que el comportamiento del entrecomillado es relevante.

Comparación de delimitadores CSV

La elección del delimitador afecta la compatibilidad, la legibilidad y la frecuencia con la que necesitarás campos entrecomillados.

Ejemplos de código

Estos ejemplos muestran cómo parsear CSV desordenado y re-serializarlo con un formateo coherente en distintos lenguajes. Cada fragmento gestiona el recorte de espacios, la normalización de delimitadores y el entrecomillado.

import { parse, unparse } from 'papaparse'

const messy = `name, age ,city
Alice , 30, Berlin
Bob,25 , " Tokyo "`

// Parse with trimming, then re-serialize with consistent formatting
const parsed = parse(messy, {
  header: true,
  skipEmptyLines: true,
  transformHeader: h => h.trim(),
  transform: v => v.trim(),
})

const clean = unparse(parsed.data, { quotes: true })
console.log(clean)
// → "name","age","city"
// → "Alice","30","Berlin"
// → "Bob","25","Tokyo"

import csv
import io

messy = """name, age ,city
Alice , 30, Berlin
Bob,25 , " Tokyo " """

reader = csv.DictReader(io.StringIO(messy), skipinitialspace=True)
output = io.StringIO()
writer = csv.DictWriter(
    output,
    fieldnames=[f.strip() for f in reader.fieldnames],
    quoting=csv.QUOTE_ALL,
)
writer.writeheader()
for row in reader:
    writer.writerow({k.strip(): v.strip() for k, v in row.items()})

print(output.getvalue())
# → "name","age","city"
# → "Alice","30","Berlin"
# → "Bob","25","Tokyo"

package main

import (
	"encoding/csv"
	"fmt"
	"strings"
)

func main() {
	input := "name,age,city\nAlice,30,Berlin\nBob,25,Tokyo"
	r := csv.NewReader(strings.NewReader(input))
	records, _ := r.ReadAll()

	var buf strings.Builder
	w := csv.NewWriter(&buf)
	w.UseCRLF = true // RFC 4180 line endings
	for _, record := range records {
		_ = w.Write(record)
	}
	w.Flush()
	fmt.Print(buf.String())
	// → name,age,city\r\n
	// → Alice,30,Berlin\r\n
	// → Bob,25,Tokyo\r\n
}

# Re-format a CSV file with csvkit (Python-based)
csvformat -D ";" input.csv > output.csv

# Convert tabs to commas
csvformat -t input.tsv > output.csv

# Force-quote all fields
csvformat -U 1 input.csv > quoted.csv

# Using Miller (mlr) to normalize
mlr --icsv --ocsv --quote-all cat input.csv > clean.csv

Preguntas frecuentes