Por qué Excel arruina tu CSV

El daño ocurre al abrirlo

Esta es la parte que hace que el problema sea tan difícil de diagnosticar. Un CSV es un archivo de texto: cada valor que contiene son caracteres, y nada en el archivo dice qué significa cada uno. Cuando Excel abre uno, adivina un tipo para cada columna, convierte los valores para que coincidan y, desde ese momento, trabaja con la versión convertida. Si guardas el archivo, las conversiones se escriben en él.

Así que el archivo estaba bien, el que guardaste no lo está, y en ningún momento nada te avisó. La gente concluye que la exportación estaba mal, vuelve a exportar y obtiene el mismo resultado, porque el daño ocurre en su propia computadora, después de la descarga.

Las cuatro conversiones que causan el daño

Se eliminan los ceros a la izquierda. Un código postal como 01234, un código de departamento francés, un número de cuenta, un teléfono que empieza con cero: todos parecen números, así que el cero se descarta como si no significara nada. Sí significa algo: es parte del identificador.

Los números largos se redondean. Una hoja de cálculo guarda los números en coma flotante con unas quince cifras significativas, así que una referencia de pedido, un número de tarjeta de crédito, un IMEI o un identificador de 64 bits se redondea sin avisar: las últimas cifras se vuelven ceros. La celda parece un número y es el número equivocado.

Todo lo que se parece a una fecha se reformatea según la convención local. 03/05 es marzo en un país y mayo en otro, así que el mismo archivo abierto en dos oficinas produce dos conjuntos de datos distintos. Peor aún, se convierten valores que nunca fueron fechas: un nombre de gen como SEPT1 se vuelve una fecha, un problema tan persistente que los genetistas acabaron cambiándoles el nombre a los genes en lugar de seguir luchando contra él.

Los caracteres acentuados se convierten en mojibake. Un CSV no guarda ningún registro de su codificación de caracteres, así que un archivo guardado en UTF-8 y leído con una página de códigos antigua (o al revés) destroza precisamente las filas que tienen nombres con acentos.

La solución: importar, no abrir

Nunca hagas doble clic en un CSV que te importe. El doble clic le da permiso a Excel para adivinar, y adivina con total seguridad.

En su lugar, usa Datos → Desde el texto/CSV. El cuadro de importación te deja definir el tipo de cada columna antes de que se analice nada: marca la columna del código postal y la del identificador como Texto, y llegarán exactamente como están en el archivo. También te deja indicar la codificación y el delimitador en lugar de que se deduzcan. Toma veinte segundos y es toda la solución.

Lo mismo aplica en Google Sheets: Archivo → Importar, y desactiva “Convertir texto en números, fechas y fórmulas”. LibreOffice Calc muestra el cuadro de tipos de columna de forma predeterminada, uno de los pocos aspectos en los que simplemente se porta mejor.

Revisa antes de importar

Cuando algo ya salió mal, el primer paso útil es mirar el archivo sin que ninguna hoja de cálculo lo toque. Ver el CSV muestra los valores exactamente como dicen los bytes: con los ceros a la izquierda, los números largos completos y las fechas como el texto con que se escribieron. Eso te dice de inmediato si lo que falló fue la exportación o la importación.

También te muestra las dos cosas que un CSV nunca dice de sí mismo: el delimitador (una coma, un punto y coma o un tabulador; las configuraciones regionales europeas exportan con punto y coma porque la coma es su separador decimal) y la codificación. Conocer ambos antes de importar elimina casi todas las conjeturas que quedan.

Si eres tú quien genera el CSV

Unas cuantas decisiones al exportar evitan todo esto más adelante.

Escribe UTF-8 con marca de orden de bytes si el archivo va a abrirse en Excel en Windows. Excel usa esa marca para detectar UTF-8 y, sin ella, destroza los caracteres acentuados: uno de los pocos casos en los que agregar una BOM es lo correcto y no una molestia.

Pon entre comillas cada campo que pueda malinterpretarse, y siempre las columnas de identificadores. Las comillas no impiden que Excel convierta al abrir, pero dejan clara la intención para cualquier otro programa que lo lea.

Considera no usar CSV en absoluto. Si quien lo recibe acepta JSON o una hoja de cálculo de verdad, ambos llevan los tipos de forma explícita y ninguno tiene estos problemas. La virtud del CSV es que todo lo lee; su debilidad es que nada se pone de acuerdo sobre lo que dice.