Codificación CSV y mojibake: arreglar texto roto
Müller se convierte en Müller, café en café. Mojibake es el signo clásico de un conflicto de codificación, y es evitable.
Cada archivo de texto es una secuencia de bytes que solo cobra sentido bajo una codificación concreta. Cuando escritor y lector discrepan sobre qué codificación usar, aparece mojibake: los caracteres corruptos de un acento decodificado al revés.
No es un problema cosmético. En una importación de datos, mojibake corrompe nombres, direcciones y descripciones, y es muy difícil de limpiar a posteriori.
Las codificaciones que encontrarás
Tres codificaciones cubren la mayoría de los CSV reales: UTF-8 es el estándar moderno; Latin-1 (ISO-8859-1) es un formato europeo occidental antiguo; Windows-1252 es el superconjunto de Microsoft. Coinciden en ASCII puro, por eso los problemas solo aparecen al llegar un acento, una diéresis o un símbolo de moneda.
Paso a paso
- Elegir archivo – Abre el conversor de codificación y elige tu archivo.
- Detectar codificación – La herramienta reconoce la codificación real.
- Convertir a UTF-8 – Convierte el texto a UTF-8 limpio.
- Usar el resultado – Copia o descarga el texto limpio.
Problemas de codificación típicos
| Problema | Causa típica | Solución |
|---|---|---|
| ä, ö, ü en vez de diéresis | UTF-8 leído como Windows-1252 | decodificar como UTF-8 |
| € en vez de € | UTF-8 leído como Windows-1252 | decodificar como UTF-8 |
| Carácter � de reemplazo | bytes inválidos | detectar antes la codificación |
| Cuadros o vacíos | codificación perdida al exportar | reexportar como UTF-8 |
Consejos
- Estandariza en UTF-8 cada exportación e importación.
- Prueba con un archivo de muestra que contenga acentos.
- Limpia localmente los datos sensibles para que nada salga de tu red.
¿Por qué en local en lugar de subir?
Muchos servicios online suben tu archivo a un servidor, lo procesan allí y lo guardan un tiempo. Para fotos personales, documentos de identidad o archivos confidenciales, eso es un riesgo innecesario. FormatFlash, en cambio, trabaja por completo en tu navegador: el archivo se lee, se convierte y se guarda en tu dispositivo, sin que ninguna copia lo abandone.
Eso tiene dos ventajas. Por un lado, tu privacidad se mantiene; por otro, desaparecen las colas y los límites: no hay un servidor que pueda llenarse ni un límite diario. Puedes comprobarlo tú mismo abriendo las herramientas de desarrollo y observando la pestaña Red mientras conviertes: el procesamiento local no genera ninguna petición de subida.
Además, las herramientas locales funcionan aunque estés sin conexión o con una red lenta, porque tras la primera carga la app queda en la caché del navegador. Y como el procesamiento es puro cálculo en tu dispositivo, la velocidad depende de tu equipo, no de un servidor: en un móvil o un ordenador moderno suele tardar segundos.
Errores frecuentes
- Archivo equivocado: comprueba la extensión antes de empezar para obtener el resultado esperado.
- Calidad demasiado baja: en fotos se nota rápido; bájala poco a poco.
- Metadatos: al compartir, las fotos pueden incluir el lugar; las herramientas locales los eliminan.
- Formato no admitido: algunos destinos exigen un formato concreto; verifícalo antes de subir.
Preguntas frecuentes
¿Qué es mojibake?
Es el texto corrupto cuando un archivo se lee con la codificación equivocada, como leer UTF-8 como Windows-1252. Caracteres como ä y é se vuelven ä y é.
¿Por qué Excel rompe la codificación CSV?
Excel suele asumir una codificación heredada local al abrir un CSV en lugar de UTF-8, de modo que los acentos y símbolos se leen mal.
¿Cómo arreglo mojibake automáticamente?
Detecta la codificación real de la fuente y convierte a UTF-8. FormatFlash ofrece un conversor de codificación de texto en el navegador.
Conclusión
Prevenir mojibake es más barato que repararlo, porque un archivo mal guardado pierde los bytes originales para siempre. Estandariza en UTF-8, prueba con acentos y ten un conversor local a mano para los archivos heredados.