Dividir CSV

Cómo dividir un archivo CSV

1. Abre un archivo .csv, .tsv o .txt, arrástralo sobre la herramienta o pega las filas. La primera fila se considera la fila de encabezados.
2. Elige el criterio de división e indica el número de filas, el tamaño máximo en bytes, el número de archivos o la columna.
3. Consulta la lista de partes para ver el nombre, el número de filas y el tamaño de cada archivo; después descarga una sola parte o todas en un único ZIP.

Las partes llevan el nombre del archivo original: orders.csv da lugar a orders-part-001.csv, orders-part-002.csv… Un archivo .tsv conserva la extensión .tsv. El ZIP se llama orders-parts.zip.

Formas de dividir

Cómo se tratan los datos problemáticos

• Los valores entre comillas que contienen el delimitador o saltos de línea se quedan dentro de su registro, según la RFC 4180. Una dirección de varias líneas nunca se reparte entre dos partes.
• Los registros se copian como bytes sin procesar, sin volver a analizarlos ni reescribirlos: las comillas, los saltos de línea y los ceros a la izquierda se conservan exactamente. Si el archivo empieza con una marca de orden de bytes UTF-8, esta se escribe al principio de cada parte, para que Excel siga reconociendo cada una como UTF-8.
• Las líneas en blanco entre registros se omiten. Si el último registro no termina en salto de línea, la parte recibe el salto de línea propio del archivo.
• Los valores de la columna se comparan exactamente: West y west generan archivos distintos. Como muchos sistemas de archivos no distinguen mayúsculas de minúsculas, el segundo se llama orders-west-2.csv en lugar de sobrescribir el primero.
• En los nombres de archivo, caracteres como / \ : * ? " < > | se sustituyen por _, los nombres se recortan a 60 caracteres y un valor vacío se escribe como orders-empty.csv. Consulta la columna de valores en la lista de partes para ver exactamente qué valor contiene cada archivo.

Codificaciones que se pueden dividir

La división trabaja directamente sobre los bytes, lo que es seguro con UTF-8 y con codificaciones de un solo byte como Windows-1252. Los archivos UTF-16 no se pueden dividir así; guárdalos antes como UTF-8, por ejemplo con Dar formato a un CSV. Los archivos Shift_JIS, GB18030, GBK y Big5 se pueden dividir cuando el delimitador es una coma, un punto y coma o un tabulador, pero no una barra vertical, porque en esas codificaciones el byte de la barra puede aparecer dentro de un carácter. La herramienta te avisa antes de empezar si un archivo no se puede dividir.

Solución de problemas

• Un registro supera el tamaño de parte elegido. Aumenta el tamaño máximo: tiene que caber la fila de encabezados más el registro más grande.
• La división crearía más de 1000 archivos. Aumenta las filas por archivo o el tamaño, o elige menos archivos.
• La columna tiene más de 1000 valores distintos. Divide por una columna más general, como la región en lugar del cliente, o filtra antes el archivo.
• Un valor entre comillas nunca se cierra. En algún punto del archivo se abren comillas que no se cierran, así que el resto del archivo sería un único registro. Localízalo con Validar CSV.

Archivos grandes y privacidad

La división no está limitada a 25 MB. Con un archivo mayor se muestra una vista previa de sus primeras 200 filas, y la división lee el archivo completo en bloques de 8 MB, así que el uso de memoria se mantiene bajo. Las partes se guardan como datos de archivo del navegador hasta que las descargas; el límite práctico es el espacio de almacenamiento libre que pueda usar tu navegador.

La división se ejecuta en un proceso en segundo plano de esta pestaña y Cancelar la detiene. El archivo nunca se envía a un servidor. Para volver a juntar las partes, usa Unir archivos CSV; para reducir el tamaño de un archivo en lugar de partirlo, usa Comprimir CSV.

Ejemplo

Una pequeña exportación de pedidos con saltos de línea CRLF (aquí se muestran como saltos normales) y una nota de varias líneas, dividida en partes de 2 filas con los encabezados repetidos. El salto de línea entre comillas se queda dentro del pedido A2, y el último registro, que en la entrada no terminaba en salto de línea, recibe el final CRLF del archivo.

order_id,region,note
A1,West,ok
A2,East,"two
lines"
A3,West,"a, b"
A4,,late
A5,east,ok

orders-part-001.csv (2 rows)
order_id,region,note
A1,West,ok
A2,East,"two
lines"

orders-part-002.csv (2 rows)
order_id,region,note
A3,West,"a, b"
A4,,late

orders-part-003.csv (1 row)
order_id,region,note
A5,east,ok