Caracteres extraños en CSV: cómo corregirlos

Si José aparece como José, el CSV suele conservar los bytes originales; el problema es que el programa los está interpretando con otra codificación. Antes de convertir nada, intenta averiguar cómo se creó el archivo.

La pista más útil es el sistema que exportó el CSV

Un exportador moderno puede generar UTF-8, mientras que una aplicación de escritorio antigua o un sistema administrativo puede usar una codificación heredada. El aspecto visual del error ayuda, pero el origen del archivo ayuda más.

Busca una muestra con texto que conozcas:

cliente;nombre;ciudad;observacion
C-18;Peña;Málaga;envío mañana

Si tienes acceso al sistema original, revisa su opción de exportación o genera una muestra nueva. Comparar una palabra conocida como Peña o Málaga evita adivinar basándote en símbolos sin contexto.

Excel en español puede mostrar el problema al importar

En Excel en español, usa Datos › Desde texto/CSV para importar y revisar el origen del archivo antes de cargarlo. Es más útil que abrir el .csv directamente cuando sospechas de la codificación, porque el diálogo de importación te permite comprobar cómo se interpreta el texto.

No confundas ese ajuste con el Delimitador. En entornos donde la coma es separador decimal, es habitual encontrar archivos con punto y coma como separador de campos. Elegir el delimitador correcto arregla columnas; elegir la codificación correcta arregla caracteres.

Corrige desde el original

Lee la copia original con la codificación que corresponda al sistema de origen, revisa nombres, direcciones y texto libre, y guarda una nueva copia en UTF-8.

Nablyx sigue un orden de detección deliberadamente conservador. Si hay una marca de orden de bytes de UTF-8, UTF-16LE o UTF-16BE, tiene prioridad. Si no la hay, la herramienta exige primero que el contenido sea UTF-8 válido; cuando esa comprobación falla, recurre a Windows-1252 e informa de ese fallback para que lo trates como una hipótesis de menor confianza, no como una certeza.

El archivo UTF-8 reparado puede ser más grande que el original. Windows-1252 guarda muchos caracteres acentuados en un solo byte, mientras que esos mismos caracteres necesitan varios bytes en UTF-8. Por tanto, que la salida pese más después de una reparación correcta no demuestra por sí solo que se hayan añadido o duplicado filas.

Evita encadenar guardados sobre una versión que ya se ve mal. Si el programa guarda esos caracteres deformados como texto nuevo, una confusión inicialmente reversible puede quedar incorporada al archivo.

Cuándo la codificación no es la causa

Cambiar la codificación no repara filas mal formadas. Si una fila tiene más campos que la cabecera, hay comillas sin cerrar, aparecen columnas desplazadas o existen encabezados duplicados, usa el diagnóstico de un CSV dañado.

También hay un caso distinto: si todo el contenido termina en una sola columna pero las palabras se leen bien, el problema suele estar en el separador elegido al abrir o importar.

Comprueba palabras reales después de la reparación

No basta con que desaparezca Ã. Revisa apellidos con tildes, ñ, signos de puntuación y cualquier texto no ASCII que importe en tu archivo. Después importa la copia corregida en el programa de destino. Esa última prueba confirma que has arreglado la interpretación del texto sin cambiar la estructura.