CSV separado por comas: por qué se desalinean las columnas

PublicadoHerramientaConvertir CSV a JSON

Contenido
  1. Que se corran las columnas no significa que el archivo esté dañado
  2. Las reglas de comillas del CSV: solo tres
  3. Cómo parsear a mano, sin herramientas
  4. Puntos donde sueles atascarte al revisar el resultado
  5. En resumen
  6. Preguntas frecuentes

Este artículo es para quienes descargaron un CSV de Excel, lo cortaron por comas en el código y descubrieron que solo algunas filas tienen las columnas corridas un lugar. Vamos al grano: no todas las comas de un CSV separan columnas; las comas que están dentro de comillas dobles son solo texto.

Un CSV permite que dentro de un valor haya comas, comillas dobles y saltos de línea, y solo para esos casos existe una regla de comillas aparte. Con conocer estas tres reglas podrás identificar de inmediato por qué se corrió una columna.

Resumen ① Si un valor contiene comas, comillas dobles o saltos de línea, se encierra todo el valor entre comillas dobles. ② Las comillas dobles dentro de un valor entrecomillado se escapan escribiéndolas dos veces seguidas. "" equivale a un solo carácter de comilla. ③ Las comas y los saltos de línea dentro de las comillas son parte del valor, no separadores, así que ni split(",") ni la lectura línea por línea pueden cortarlos bien.

Que se corran las columnas no significa que el archivo esté dañado

Supongamos que el CSV de una lista de productos se ve así.

name,memo,price
"연필, 2B","겉면에 ""HB"" 표기",1200

En la segunda línea hay tres comas. Por eso split(",") genera cuatro fragmentos, pero en realidad hay tres columnas: name, memo y price. Desde el momento en que se parte en "연필 y 2B", los valores de esa fila se desplazan una casilla.

Lo mismo ocurre cuando lees línea por línea.

"노트","가로 210mm
세로 297mm",3500

Esto se ve como dos líneas en el archivo, pero es un solo registro. Si cuentas solo las líneas, creerás que hay una fila más y todos los datos siguientes quedarán desalineados.

Las reglas de comillas del CSV: solo tres

El CSV es un formato que se usa desde hace mucho tiempo, pero se difundió sin una especificación formal. El RFC 4180, publicado en octubre de 2005, documentó esa práctica y registró el tipo MIME text/csv. El propio documento señala que "este formato, aunque es muy común, nunca se ha documentado oficialmente".

Las reglas de comillas que aparecen allí son estas.

  • Cada campo puede ir entre comillas dobles o no. Eso sí: un campo sin comillas no puede contener comillas dobles.
  • Los campos que contienen saltos de línea, comillas dobles o comas deben ir entre comillas dobles.
  • Si dentro de un campo entrecomillado aparece una comilla doble, se escapa anteponiendo otra comilla doble.

Por eso "" no son dos comillas, sino un solo carácter de comilla. Si lees "겉면에 ""HB"" 표기" según la regla, el valor queda como 겉면에 "HB" 표기.

Hay algo más. El RFC 4180 deja claro que "el espacio también forma parte del campo y no debe ignorarse". El segundo valor de a, b no es b, sino b, con un espacio delante. Aunque la hoja de cálculo parezca limpiarlo, según la regla el valor sigue ahí.

Cómo parsear a mano, sin herramientas

La clave está en recorrer el texto carácter por carácter manteniendo un solo estado: si estás dentro o fuera de comillas. Si intentas cortar todo de una vez con una expresión regular, te atascarás enseguida con los "" consecutivos.

Las reglas de lectura son cuatro.

  • Si encuentras " fuera de comillas, entras en la zona entrecomillada.
  • Si dentro de la zona entrecomillada encuentras " y el carácter siguiente también es ", agregas una comilla al valor y saltas ambos caracteres.
  • Si dentro de la zona entrecomillada encuentras " y después viene otro carácter, sales de la zona entrecomillada.
  • Solo las comas fuera de la zona entrecomillada separan columnas y solo los saltos de línea fuera separan filas. Si están dentro, todo es texto normal.

Si pegas lo siguiente en la consola de las herramientas de desarrollo del navegador (normalmente F12), tendrás un parser que funciona exactamente con estas reglas.

function parseCSV(text, delim) {
  const rows = []; let row = []; let field = ""; let inQuotes = false;
  for (let i = 0; i < text.length; i++) {
    const c = text[i];
    if (inQuotes) {
      if (c === '"') {
        if (text[i + 1] === '"') { field += '"'; i++; }   // "" → un solo carácter "
        else inQuotes = false;
      } else field += c;                                   // comas y saltos de línea internos son valor
    } else if (c === '"') inQuotes = true;
    else if (c === delim) { row.push(field); field = ""; }
    else if (c === "\n") { row.push(field); rows.push(row); row = []; field = ""; }
    else if (c !== "\r") field += c;
  }
  row.push(field); rows.push(row);
  return rows;
}

Si el archivo termina con un salto de línea, esta función agrega al final una fila con un único valor vacío. Al contar filas, basta con descontar esa.

El problema es que cada vez que quieras revisar un CSV tienes que volver a pegar la función y contar a ojo el array resultante para comprobar que las columnas cuadren. Y si quieres usar la primera fila como claves para generar JSON, hay que añadir más código.

Compruébalo con nuestra herramienta. Solo tienes que pegar el CSV en el campo de entrada: se parsea con las mismas reglas de comillas y te muestra al instante el array JSON usando la primera fila como claves.

Convertir CSV a JSON

La conversión se hace directamente en el navegador, sin instalar nada ni registrarte, y el CSV que pegas no se envía al servidor.

Puntos donde sueles atascarte al revisar el resultado

SituaciónCómo se maneja
Comas dentro de un valorSi están en un tramo entrecomillado, se conservan como texto
"" dentro de un valorSe combinan en un solo carácter de comilla doble
Saltos de línea dentro de un valorSe mantienen dentro del mismo valor y en JSON se ven como \n
Valores que parecen númerosSalen todos como texto ("1200")
Filas con columnas de menosLas claves que faltan se rellenan con una cadena vacía
Celdas de encabezado vacíasSe les asigna un nombre como col1, col2

Que todos los valores salgan como texto se debe a que el propio CSV no tiene tipos de datos. En el archivo solo está escrito el texto 1200; no hay ningún lugar donde anotar si eso es un número o un código de producto. Si necesitas números, conviértelos en el lado que recibe los datos.

También es habitual encontrar archivos cuyo separador no es la coma. En la opción Separador de la herramienta puedes elegir entre coma, tabulador, punto y coma y barra vertical; solo cambia el separador, las reglas de comillas se aplican igual.

Si en tu archivo la primera fila son datos y no títulos, desmarca Usar la primera fila como encabezado (claves). Así obtendrás un array bidimensional, con un array por fila, en lugar de un array de objetos.

En resumen

  • No todas las comas de un CSV son separadores. Las comas dentro de un tramo entrecomillado forman parte del valor.
  • Si un valor contiene comas, comillas dobles o saltos de línea, enciérralo entre comillas dobles y escribe las comillas dobles internas dos veces seguidas.
  • Por los saltos de línea dentro de un valor, el número de líneas del archivo puede no coincidir con el número de registros. Si lees línea por línea, las filas se desalinean.
  • Si parseas a mano, en lugar de usar una expresión regular recorre los caracteres manteniendo un solo estado: "¿estoy dentro o fuera de comillas?".
  • Los espacios se consideran parte del campo. En el segundo valor de a, b queda el espacio delantero.
  • Todos los valores convertidos son texto. El tipo de dato es información que el CSV no puede guardar.
Convertir CSV a JSON

La conversión se hace directamente en el navegador, sin instalar nada ni registrarte, y el CSV que pegas no se envía al servidor.

Preguntas frecuentes

¿Por qué al escribir dos comillas seguidas queda una sola?

Porque hace falta una forma de distinguir las comillas que delimitan el campo de las que forman parte del valor. RFC 4180 establece que, si aparece una comilla doble dentro de un campo entrecomillado, se escape escribiendo otra comilla doble delante. Quien lee el archivo, al encontrar una " dentro de una zona entrecomillada, solo mira si el carácter siguiente es otra ": si lo es, añade una comilla al valor; si no, cierra la zona entrecomillada.

¿Un CSV con saltos de línea dentro de un valor está mal hecho?

No. Es una forma permitida por las reglas, que indican que los valores que contienen saltos de línea deben ir entre comillas dobles. Aparece a menudo en valores de varias líneas, como notas o direcciones. Si abres el archivo con un editor de texto y compruebas que ese valor está entre comillas, podrás distinguir si el archivo está mal formado o si el que lo lee está procesando línea por línea.

¿Se aplican las mismas reglas a los archivos separados por punto y coma o por tabulaciones?

Solo cambia el delimitador; las reglas de entrecomillado son las mismas. Si un valor contiene ese delimitador, comillas dobles o saltos de línea, se entrecomilla y las comillas internas se escriben dos veces. En la herramienta puedes cambiar el delimitador de coma a tabulación, punto y coma o barra vertical, y convertir el archivo de la misma forma.

¿El CSV que pego se envía a un servidor?

No. Todas las conversiones de esta herramienta se procesan dentro del navegador, y ni el CSV que introduces ni el resultado se envían ni se guardan en un servidor. El cálculo se hace en la misma pantalla en cuanto pegas el contenido, y el resultado lo puedes llevar al portapapeles con el botón «Copiar JSON».

Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano

Artículos relacionados

  1. Comillas simples en SQL INSERT: por qué hay que escaparlasPor qué un apóstrofo en un valor CSV rompe tu INSERT en SQL y cómo duplicar la comilla simple evita el error de sintaxis, con ejemplos.
  2. Contactos de Excel al iPhone: cómo convertir CSV a vCardPor qué el iPhone no abre un CSV de contactos y cómo pasar tus contactos de Excel a vCard (.vcf) para importarlos de una vez en iPhone y Android.
  3. Matriz de Eisenhower: 4 cuadrantes para ordenar tus tareasLos cuatro cuadrantes de la matriz de Eisenhower, las preguntas para separar urgencia e importancia y por qué el tercero se lleva tu tiempo.
  4. Excel CSV con caracteres corruptos: por qué pasa y cómo abrirloPor qué Excel muestra símbolos raros al abrir un CSV: los 3 bytes del BOM UTF-8, explicados byte a byte, y cómo abrir el archivo sin modificarlo.
  5. Excel CSV con caracteres corruptos: cómo convertir a UTF-8Por qué al guardar en CSV desde Excel el texto se ve mal en otras apps, y cómo volver a guardarlo en UTF-8 con BOM para que se lea bien en cualquier parte.
  6. Guardar varias hojas de Excel en CSV: por qué solo queda unaSi guardas un Excel con varias hojas como CSV solo queda la hoja activa. Aquí tienes por qué pasa y cómo conservar todas las hojas, una por archivo.

Herramientas relacionadas