Nettoyer les données d’un CSV

Nettoyer un fichier CSV, étape par étape

1. Ouvrez un fichier .csv, .tsv ou .txt, déposez-le sur l’outil ou collez des lignes. Le séparateur et le BOM UTF-8 ou UTF-16 sont détectés ; pour imposer un autre séparateur ou un encodage ancien, passez par Paramètres d’importation.
2. Sous Valeurs, choisissez les corrections à appliquer aux cellules. Utilisez Appliquer aux colonnes pour les limiter à certaines colonnes ; si aucune n’est cochée, toutes sont concernées.
3. Sous Lignes et colonnes, indiquez comment traiter les lignes vides, les doublons et les colonnes vides.
4. Lisez la note au-dessus du résultat, comparez avec l’onglet Entrée, puis choisissez Télécharger le CSV, Copier ou Ouvrir dans l’éditeur.

Une fois les données propres, contrôlez-les avec des règles par colonne dans Valider un CSV, ou changez le séparateur et les guillemets avec Mettre en forme un CSV.

Ce que fait chaque étape, dans l’ordre d’exécution

Chaque valeur passe par les étapes activées dans cet ordre fixe : le résultat est le même quel que soit l’ordre dans lequel vous cochez les options.

Après les valeurs viennent les lignes et les colonnes : Supprimer les lignes vides retire les lignes dont toutes les cellules sont vides ou ne contiennent que des espaces ; Doublons compare les valeurs déjà nettoyées ; Supprimer les colonnes entièrement vides s’exécute en dernier. La suppression de lignes et de colonnes examine toujours toutes les colonnes, quel que soit le réglage Appliquer aux colonnes.

Supprimer les lignes en double

• Supprimer les lignes identiques dans toutes les colonnes est le réglage par défaut. Les valeurs doivent être exactement égales après les étapes de nettoyage des cellules décrites ci-dessus.
• Supprimer les lignes ayant les mêmes valeurs dans les colonnes choisies considère deux lignes comme des doublons dès que les colonnes clés sélectionnées sont égales, par exemple email, ou first_name + last_name + zip. Les autres colonnes peuvent différer.
• Conserver détermine quel exemplaire reste : La première occurrence, ou La dernière occurrence, qui reste à la position de cette dernière ligne.
• Ignorer la casse et les espaces autour des valeurs lors de la comparaison traite ANA@example.com et ana@example.com comme la même clé. Cette option ne modifie pas le texte de la ligne conservée.
• Choisissez Garder toutes les lignes pour désactiver le dédoublonnage.

Avant de dédoublonner sur une clé, triez le fichier avec Trier un CSV si vous voulez qu’une ligne précise, par exemple la plus récente, arrive en premier.

Ce qui n’est jamais modifié

• La ligne d’en-têtes reste telle quelle, et l’ordre des colonnes ne change jamais, sauf lorsque des colonnes vides sont supprimées. Si toutes les colonnes sont vides, aucune n’est supprimée.
• Les valeurs ne sont pas converties : 00731, 1e5 et 03/04/2024 restent du texte écrit à l’identique, hormis les étapes que vous avez activées.
• Les séparateurs et les sauts de ligne entre guillemets à l’intérieur des valeurs sont lus selon la RFC 4180 et réécrits entre guillemets, sauf si vous remplacez les sauts de ligne.
• Un en-tête vide est écrit Column 3 et un en-tête répété name (2). Les lignes plus courtes que l’en-tête sont complétées par des valeurs vides.
• Le fichier téléchargé conserve le séparateur, les fins de ligne et le saut de ligne final du fichier, ainsi que son encodage s’il s’agit d’UTF-8 (avec ou sans BOM), d’UTF-16 LE ou de Windows-1252 ; les autres encodages sont enregistrés en UTF-8.

En cas de problème

• Des lignes que je voulais garder ont disparu. La suppression des doublons est activée par défaut. Choisissez Garder toutes les lignes sous Doublons, ou désactivez Supprimer les lignes vides.
• Des doublons d’apparence identique ont été conservés. Ils diffèrent par la casse, des espaces à l’intérieur de la valeur, des accents saisis de deux façons ou des caractères invisibles. Activez Ignorer la casse et les espaces autour des valeurs lors de la comparaison, Réduire les espaces répétées dans les valeurs, Normaliser l’Unicode (NFC) ou Supprimer les caractères invisibles.
• La majuscule à chaque mot a abîmé des noms ou des codes. Limitez-la avec Appliquer aux colonnes, par exemple à la seule colonne des noms, pour que les e-mails et les références produit gardent leur casse.
• Un n/a en minuscules n’a pas été vidé. La liste respecte la casse : ajoutez n/a à côté de N/A.

Limites et confidentialité

Fichiers jusqu’à 25 Mo, 100 000 lignes, 250 colonnes et 2 millions de cellules. Pour un fichier plus gros, découpez-le d’abord avec Découper un CSV ; les doublons ne sont alors recherchés qu’à l’intérieur de chaque partie.

Le nettoyage s’exécute dans votre navigateur. Le fichier CSV n’est pas envoyé sur un serveur.

Exemple

Une liste de contacts nettoyée avec la suppression des espaces et des lignes vides par défaut, plus Réduire les espaces répétées dans les valeurs, Considérer ces valeurs comme vides réglé sur N/A, NULL, et un dédoublonnage sur la colonne email avec Ignorer la casse et les espaces autour des valeurs lors de la comparaison. La note signale 5 valeurs modifiées, une ligne vide et une ligne en double supprimées. La seconde ligne d’Ana est supprimée comme doublon ; la première garde sa propre graphie.

name,email,city
"  ana lopez ",ANA@example.com,Madrid
Ana Lopez,ana@example.com ,Madrid
Kim   Lee,kim@example.com,N/A
,,
Bao Nguyen,bao@example.com,NULL

name,email,city
ana lopez,ANA@example.com,Madrid
Kim Lee,kim@example.com,
Bao Nguyen,bao@example.com,