Problemas más habituales en ficheros CSV (parte 3 - Juegos de caracteres y separador de valores)

Un problema que a veces he tenido es la existencia de caracteres extraños en el texto.

Esto puede ser debido a varias razones, pero principalmente suele ocurrir por la exportación desde una aplicación que no permita seleccionar la página de códigos a usar.

El caso más raro de esto es el propio Microsoft Excel, el cual no permite seleccionar la página de códigos, ni el separador de valores a usar.

En el caso concreto de Microsoft Office Excel, usa tanto la página de códigos como el separador de listas definidos en la configuración regional de Microsoft Windows.

Para solventar este problema, yo uso la aplicación Libre Office Calc, la cual sí permite la selección tanto de la página de códigos como del separador a usar.

Para ello, cuando se da a guardar el fichero en formato CSV, es preciso seleccionar la opción que indica "Editar configuración de filtros" (resaltado en rojo en la imagen).

Esto provocará la posible aparición de una ventana de confirmación.

Y tras esta, se nos permita seleccionar los datos deseados. 

Esta ventana permite la selección del conjunto de caracteres, pero también el delimitador de campos.

En cuanto al delimitador de campos, aclarar que se puede introducir cualquier carácter, no siendo necesario restringirse a las opciones mostradas.

Esta es una opción que echo de menos en mi trabajo diario con Microsoft Excel, y que sigo con la esperanza de que algún día sea incluida en el paquete ofimático de Microsoft.

En la próxima entrada hablaremos del delimitador de texto, y los problemas que nos pueden surgir con él.

XP RIP, bienvenido Windows 7.

Una mala noticia para todos los que hemos convivido con el que, para muchos, ha sido el mejor sistema operativo de Microsoft.

Mañana nos abandona, al finalizar el período de soporte de Microsoft.

¿Qué significa esto? 

Pues sencillamente que Microsoft dejará de sacar actualizaciones de seguridad para el mismo, y se prevé un incremento del Malware (virus, troyanos, etc.) asociado a este sistema operativo.

Pero aunque se detecte una vulnerabilidad, en el sistema operativo, esta ya no será corregida, como se venía haciendo de forma mensual desde su aparición allá por el año 2001 (concretamente el 25 de Octubre).

¿Que opciones nos quedan?

En principio tres son las posibles opciones:

• No hacer nada y mantenerse con esta versión, la cual seguirá funcionando, pero podría ser blanco de un mayor número de ataques malintencionados.
• Actualizarnos a Windows 8 (la primera opción que propone Microsoft).
• Finalmente, pasar por caja, (la segunda opción que propone Microsoft), contratando el servicio de pago de Custom Support a través de Microsoft Premier Support.

Que haría yo si fuese una empresa, pues ninguna de las tres.

Me actualizaría a Windows 8 y solicitaría un downgrade a Windows 7.

En estos enlaces Microsoft y PcWorld nos explican como realizarlo.

http://support.microsoft.com/kb/2832566

http://www.pcworld.com/article/2015107/downgrading-from-windows-8-to-7-what-you-need-to-know.html

Problemas más habituales en ficheros CSV (parte 2 - Tamaño)

Uno de los posibles problemas es el tamaño de los ficheros CSV.

No en cuanto al fichero en sí, pero sí a la hora de importarlos a hojas de cálculo, uno de los proceso que más a menudo se realizan.

Este caso afecta principalmente al programa Microsoft Excel.

En la versión 2007 de Microsoft Excel, se produjeron muchas novedades, casi todas eclipsadas, por la aparición de la cinta de opciones (Ribbon bar en inglés), en sustitución de las barras de herramientas, aunque las más importantes fueron otras, especialmente el tamaño máximo del fichero.

Mucha gente sigue usando el antiguo formato XLS, sin saber que este presentaba una limitación de tamaño de un máximo de 65536 filas, lo que puede provocar que en listados largos, parte de los datos no se importen.

Como ejemplo, os presento una simulación de un listado de artículos, en formato CSV, con 80121 líneas.

Al intentar abrir este fichero en un fichero xls, solo se importarán algo más de 65000 líneas, pero lo más importante de todo, es que no se muestra ningún tipo de error.

Esto sucede independientemente de que se use una versión de Microsoft Excel reciente, en este ejemplo con Excel 2007.

La solución a este problema es utilizar una aplicación y un formato de archivo que permitan una mayor cantidad de filas.

Entre las aplicaciones que cumplen estos criterios está Microsoft Excel 2007, 2010 o 2013, con archivos xlsx.

Otra opción es usar aplicaciones como Gnumeric o LibreOffice Calc, que ya soportaban este tamaño de archivo antes que Excel.

Problemas más habituales en ficheros CSV (parte 1)

Los ficheros CSV no son la panacea, si bien son una herramienta muy útil a la hora de intercambiar información, también tienen sus peros.

En esta entrada vamos a tratar dos de los problemas más habituales que pueden ocurrirnos con los ficheros CSV.

Los errores más habituales se refieren a dos tipos de datos, los datos numéricos con decimales (precios por ejemplo) y las fechas.

Otro posible error, se debe a la mala elección del separador de valores.

En primer lugar, analizaremos que puede suceder si elegimos mal el separador de caracteres, dejando para posteriores entradas el análisis de los demás casos.

Supongamos que tenemos un fichero como el siguiente, en el que se incluyen datos de unos productos, entre los que se puede encontrar la descripción, el precio neto y el PVP.

En este caso el error ha sido utilizar como separador de valores un carácter usado para representar información.

Al utilizar la coma como separador, que resulta ser el mismo carácter que se utilizar para indicar los valores decimales, será imposible diferenciar los valores correctamente a la hora de importarlos, por ejemplo en una hora de cálculo.

Como se ve el resultado de la importación, es un documento en el que aparecen más columnas de las deseadas, separando la parte entera y decimal de los valores en celdas adyacentes.

La forma más sencilla de evitar este problema es utilizar un elemento que se sepa a ciencia cierta que no aparece dentro del documento, como es el símbolo de la tubería | (pipe), que se puede escribir mediante la combinación de teclas AltGr + 1.

En nuestro caso el documento quedaría de la siguiente manera.

Eliminando de esta manera toda posible ambigüedad a la hora de realizar la importación.

Introducción al formato CSV

El formato CSV, comúnmente conocido como Valores Separados por Comas (Mala traducción), tal como se puede ver en la captura de pantalla de unos de los más conocidos programas de Hoja de Cálculo.

Una traducción más adecuada de su nombre, sería la que ofrece la misma Wikipedia, pero en su versión en inglés, en la que se define CSV como character-separated values, (Valores separados por caracteres).

Esto es así porque en este formato, los datos, (columnas) se separan mediante un carácter, y las filas mediante un cambio de línea.

Usualmente en el mundo angloparlante, se utilizaba como separador la coma, y en el hispano hablante el punto y coma (por utilizar la coma como separador decimal), aunque es posible utilizar cualquier otro carácter como separador.

De ahí que también se le conozca como Valores separados por punto y coma. 

Este formato es un sistema basado en ficheros de texto que permite el intercambio de información tabular entre distintos programas.

Es ampliamente utilizado para importar y exportar datos entre Hojas de cálculo y Bases de Datos.

Dada su simplicidad, y el ser soportado por todo tipo de Sistemas Operativos, es, quizás, la forma más segura de transferir información.

Sin embargo presenta inconvenientes a la hora de transferir datos numéricos con decimales, entre sistemas que utilicen el sistema de numeración anglosajón y el hispano, debido al distinto uso que se realiza de los puntos y las comas.

Al ser un fichero de texto plano, es el usuario a lo hora de importar el que debe indicar en que formato están los datos, y de equivocarse puede provocar una mala importación de los mismos.

Imaginemos el siguiente fichero, ¿que problemas nos encontraremos a la hora de importar los datos?

¿Cuál podría ser la solución?

La próxima semana, más información sobre este formato tan útil, y como evitar los errores más frecuentes a la hora de utilizarlo.

Si te ha gustado, comenta, comparte y no dudes en preguntar si tienes dudas.

Eliminando espacios indeseados.

Hoy os traigo una nueva aplicación de la herramienta Reemplazar.

En este caso se trata de eliminar los espacios repetitivos que aparecen a veces en los documentos.

Suele ser habitual al trabajar con documentos obtenidos mediante un proceso de Reconocimiento óptico de caracteres (OCR, Optical character recognition).

El proceso es muy sencillo, y se puede ver en el siguiente vídeo.

El proceso detallado es el siguiente:

Paso 1 - Se abre el texto en cualquier aplicación que permita utilizar la orden Reemplazar (en el caso del ejemplo se ha usado el Bloc de Notas, o Notepad de Microsoft Windows).

Paso 2 - Se ejecuta la orden Reemplazar, normalmente desde el menú Edición, o también mediante la combinación de teclas CTRL + R.

Paso 3 - Luego se indica que se desean sustituir dos espacios (pulsando dos veces la barra espaciadora), por un espacio, (pulsando una única vez la barra espaciadora).

Paso 4 - Este proceso se repite las veces necesarias hasta que no se realice ningún cambio, lo que indica que ya no existe ningún grupo de dos espacios consecutivos.

Eliminando caracteres indeseados

Muchas veces, en nuestros documentos, ya sea porque hemos copiado los datos, o porque alguien nos los ha enviado, nos encontramos con caracteres que debemos eliminar.

Normalmente el proceso se realiza manualmente eliminando cada carácter (letra, número o símbolo) mediante el uso de la tecla SUPR.

Podemos ahorrarnos mucho trabajo usando una de las herramientas que incorporan la mayoría de las aplicaciones ofimáticas, la opción Reemplazar...

Esta es una de esas opciones de gran potencia y muy desconocida por la mayoría de los usuarios.

Esta herramienta está disponible desde al bloc de notas, a todo tipo de aplicaciones ofimáticas y técnicas, como por ejemplo en LibreOffice Writer, Microsoft Word, LibreOffice Calc, Microsoft Excel, etc.

Evidentemente esta herramienta permite reemplazar una letra o símbolo por otra.

Por ejemplo en este ejemplo, de un ISBN, mostrado con guiones, se sustituyen estos por puntos.

En primer lugar, se accede a la opción de reemplazar, normalmente se encuentra en el menú Edición.

Y luego en la ventana de opciones, se indica en el primer cuadro de texto, identificado por Buscar, el valor que existe y queremos sustituir por otro, en este caso el guión "-".

En el segundo cuadro, identificado por Reemplazar por, se indica el carácter que sustituirá al existente, en este caso el punto ".".

Y el resultado final es el deseado, en este caso un ISBN, separado por puntos.


Pero, que sucedería si en el segundo cuadro no indicásemos nada.

Pues el programa hará exactamente lo que le indicamos, sustituir el carácter indicado por NADA.

Y nada, significa exactamente eso, NADA, (no confundir con un espacio).

El resultado en este caso, al no indicar nada en la segunda casilla.

En más detalle:

El resultado final es:

Un ISBN en el que los guiones que nos estorbaban, han desaparecido.

Esta misma herramienta se puede usar para eliminar también caracteres no imprimibles, como lo cambios de línea que, a veces, resultan tan molestos, sobre todo en documentos copiados de la web.

Pero esto lo veremos en otra ocasión

NOTA:
En Microsoft Word, a partir de la versión 2007, en la que hace su aparición la Ribbon Bar (Cinta de opciones en castellano), la opción Reemplazar se puede localizar a la derecha de todo, en la cinta Inicio, dentro del grupo edición.

Siendo su funcionamiento idéntico al de versiones anteriores.

Filtro de pantalla

Supongo que todos recordamos aquellos aparatosos filtros protectores que se colocaban sobre los antiguos monitores CRT de los ordenadores.

Actualmente con los nuevos monitores LCD, ya no se usan.

Sin embargo, a pesar de que la tecnología de estos nuevos monitores permite su uso durante más horas sin sufrir tanto cansancio visual, en ciertos casos seguimos sufriendo de ciertas molestias.

En mi caso, eso sucede sobre todo en las aplicaciones ofimáticas, procesadores de texto como Libre Office Writer o Microsoft Word, o hojas de cálculo como Libre Office Calc o Microsoft Excel.

Estas molestias son debidas principalmente porque el fondo de la pantalla es de color blanco, y ese color es el que mayor cansancio provoca.

Este color suele ser configurable, mediante las opciones del sistema operativo.

Como solución, yo lo que hago es modificar el color de fondo de las ventanas para todo el sistema operativo, cambiando el color blanco, por un color gris claro, de forma que los textos se leen con la misma facilidad, pero no se sufre tanto cansancio visual.

El resultado sería el siguiente:

El proceso para realizar este cambio es de los más sencillo.

La forma más fácil de comenzar, es pulsando con el botón secundario de mouse o botón derecho del ratón, sobre una zona vacía del escritorio, y seleccionar la última opción (Propiedades):

Se abre la ventana de Propiedades de Pantalla, en la que se seleccionará la pestaña Apariencia.

Pulsando en el botón Opciones Avanzadas, se podrán modificar Tipos de Letra y colores de todo el sistema operativo.

En elemento seleccionar ventana, y pulsar en color 1.

Seleccionar el color deseado, y ya está, modificados todos los fondos de pantalla del sistema operativo.

Siendo el resultado final el deseado.

Píldoras

Hace mucho tiempo que llevo pensando en realizar un blog, pero no encontraba tiempo para comenzar.

Finalmente he decidido ser más directo y hacerlo sí ó sí.

A partir de hoy, cada domingo publicaré una nueva entrada en este blog.

Se tratarán cuestiones sencillas, al alcance de cualquiera, y de la mayor utilidad.

Soy docente, y la experiencia me dicta que la gente suele tener ciertas lagunas, y que suelen ser reacios a preguntar, la mayoría de las veces, por vergüenza.

Por otra parte, cualquier duda que se le ocurra al posible lector, es bien recibida, e intentaré resolverla de la forma más satisfactoria posible.

Este es el inicio de las Píldoras Ofimáticas.