Cuando necesita comparar archivos CSV online, lo principal es evitar una comparación de texto sin procesar. Los archivos CSV contienen datos estructurados. Las filas cambian de posición, las columnas se renombran, las exportaciones incorporan nuevos campos y una comparación línea por línea se convierte rápidamente en ruido.
Prefiero comparar los archivos como tablas: elegir una clave estable, mapear las columnas, revisar las filas añadidas, eliminadas, modificadas y sin cambios, y después exportar las diferencias. Para eso está diseñada la herramienta CSV Diff de Datablist.
En esta guía compararé una exportación antigua de un catálogo de productos con un archivo más reciente de ofertas de un proveedor. Los dos archivos no tienen las mismas columnas, pero comparten EAN, Internal ID, Price y Stock. Es un ejemplo realista: relacionar los productos por EAN, comparar el precio y el stock, y exportar el resultado.
Enlaces rápidos
- El método más rápido para comparar archivos CSV
- Dataset de ejemplo
- Paso 1: cargue los archivos CSV original y actualizado
- Paso 2: elija cómo relacionar las filas
- Paso 3: mapee columnas con nombres diferentes
- Paso 4: elija el tipo de join y las opciones
- Paso 5: revise las diferencias
- Paso 6: exporte el resultado de CSV Diff
- Ejemplo del resultado
El método más rápido para comparar archivos CSV
Si ya tiene preparados los dos archivos, el proceso es breve:
- Abra la herramienta CSV Diff de Datablist.
- Cargue el archivo antiguo como CSV original.
- Cargue el archivo nuevo como CSV actualizado.
- Empiece con la detección automática y confirme después la columna clave.
- Mapee las columnas si los dos archivos utilizan nombres diferentes.
- Mantenga el full outer join para la primera auditoría.
- Revise las filas modificadas, añadidas, eliminadas y sin cambios.
- Exporte el CSV completo de diferencias en la primera revisión.
- Cambie a la exportación de filas modificadas si necesita un archivo más breve para compartir.
Este método funciona mejor que una comparación de texto porque sigue los registros, no los números de línea. Si una exportación del CRM reordena los contactos o un proveedor añade una columna, una comparación de texto puede hacer que todo el archivo parezca diferente. Una comparación de tablas le muestra qué registros y celdas han cambiado.
🔑 Elija la clave de las filas antes de valorar las diferencias
Una buena columna clave convierte una comparación llena de ruido en otra realmente útil. Utilice un ID, email, SKU, EAN o identificador interno que permanezca estable entre las exportaciones.
Dataset de ejemplo: CSV de productos vs. CSV de ofertas
Para este tutorial utilizaré un dataset ficticio de ecommerce. El primer archivo es una exportación antigua del catálogo de productos. El segundo es un feed más reciente de ofertas de un proveedor o marketplace.
El CSV original de productos tiene este aspecto:
| Índice | EAN | ID interno | Nombre | Marca | Categoría | Precio | Moneda | Stock | Disponibilidad |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 5901234123457 | PRD-001 | Botella hermética | Acme Outdoor | Aire libre | 24.90 | EUR | 42 | En stock |
| 2 | 5901234123464 | PRD-002 | Fiambrera bento | Northline | Cocina | 18.50 | EUR | 120 | En stock |
| 3 | 5901234123471 | PRD-003 | Bolsa de algodón | Urban Goods | Accesorios | 9.90 | EUR | 0 | Agotado |
| 4 | 5901234123488 | PRD-004 | Lámpara LED de escritorio | Luma | Oficina | 39.00 | EUR | 18 | En stock |
| 5 | 5901234123495 | PRD-005 | Esterilla de yoga | BalanceFit | Deporte | 29.00 | EUR | 65 | En stock |
| 10 | 5901234123549 | PRD-010 | Ratón inalámbrico | ClickPro | Electrónica | 34.00 | EUR | 55 | En stock |
El CSV actualizado de ofertas tiene menos campos descriptivos, pero conserva los identificadores y valores comerciales que me interesan:
| ID de oferta | EAN | ID interno | SKU del proveedor | Stock | Precio |
|---|---|---|---|---|---|
| OFF-001 | 5901234123457 | PRD-001 | ACM-BTL-01 | 38 | 23.90 |
| OFF-002 | 5901234123464 | PRD-002 | NTH-LBX-02 | 120 | 18.50 |
| OFF-003 | 5901234123471 | PRD-003 | UGD-TOTE-03 | 25 | 9.90 |
| OFF-004 | 5901234123488 | PRD-004 | LMA-LAMP-04 | 18 | 35.00 |
| OFF-005 | 5901234123495 | PRD-005 | BFT-MAT-05 | 65 | 29.00 |
| OFF-008 | 5901234123556 | PRD-011 | CLP-CAB-11 | 44 | 16.50 |
Este par incluye los casos que suelo buscar en un ejemplo de CSV Diff: valores modificados, filas nuevas, filas eliminadas, filas sin cambios y esquemas diferentes. Con la muestra completa, espero que PRD-001, PRD-003, PRD-004, PRD-006 y PRD-010 aparezcan como modificados. También espero que PRD-011 y PRD-012 aparezcan como añadidos, y PRD-008 y PRD-009, como eliminados.
Paso 1: cargue los archivos CSV original y actualizado
Abra la herramienta CSV Diff. Verá dos zonas de carga:
- Original CSV: la exportación anterior, la instantánea antigua o el archivo de referencia.
- Updated CSV: la exportación más reciente que quiere comparar con el original.
El orden es importante. Si una fila solo existe en el archivo actualizado, Datablist la marca como added. Si solo existe en el archivo original, la marca como removed.
En el ejemplo, cargo el CSV de productos como archivo original porque es la exportación más antigua del catálogo. Cargo el CSV de ofertas como archivo actualizado porque representa el feed más reciente del proveedor.
Después de seleccionar los dos archivos, la herramienta los analiza y prepara la primera comparación. Los CSV se procesan y comparan en su navegador. El parser detecta separadores habituales, como comas, punto y coma, tabulaciones y barras verticales, y admite codificaciones comunes, como UTF-8 y archivos de tipo Windows-1252.
Aun así, compruebo el orden de los archivos antes de revisar el resultado. Muchas comparaciones incorrectas se deben a que se intercambian los archivos antiguo y nuevo, y después se interpretan al revés las filas añadidas y eliminadas.
Paso 2: elija cómo relacionar las filas
La relación entre filas es el ajuste más importante del proceso.
Datablist puede comenzar con la detección automática. Busca columnas que probablemente contengan identificadores, como id, email, sku, uuid, external_id, record_id, user_id, contact_id y company_id.
Para datos de productos, suelo preferir:
EANcuando está disponible y es único.Internal IDcuando faltan valores EAN, están duplicados o son específicos de cada proveedor.SKUsolo cuando ambos archivos utilizan el mismo SKU.
En archivos de CRM o leads, la clave equivalente podría ser email, contact_id, company_id o el ID de registro del CRM.
El modo de relación depende de la estructura de sus datos:
- Utilice una sola clave para la mayoría de las exportaciones. Una columna estable resulta más fácil de auditar.
- Utilice varias claves cuando una sola columna no sea lo bastante única. Por ejemplo,
Company DomainmásEmail. - Utilice la comparación de filas completas únicamente cuando no disponga de un identificador estable.
- Utilice la detección automática en la primera revisión y confirme después la clave detectada antes de confiar en los recuentos.
⚠️ Una clave poco fiable genera demasiadas filas añadidas y eliminadas
Si la clave falta, está duplicada o cambia de formato entre exportaciones, un mismo registro puede aparecer como una fila eliminada y otra añadida. Revise los avisos de claves duplicadas antes de utilizar el resultado para una actualización.
Las claves duplicadas no son motivo para ignorar las diferencias, pero sí una señal para revisar con más cuidado. La herramienta marca estas claves y trato esas filas como registros que deben comprobarse antes de confiar en los recuentos.
Paso 3: mapee columnas con nombres diferentes
El mapeo de columnas determina qué campos se comparan.
En el ejemplo de productos, ambos archivos comparten EAN, Internal ID, Stock y Price. El archivo original también contiene Name, Brand, Category, Currency y Availability. El actualizado incluye Offer ID y Supplier SKU.
No quiero que los metadatos exclusivos del proveedor generen cambios. Quiero comparar las columnas que responden a mi pregunta de negocio:
- Relacionar las filas mediante
EAN. - Comparar
StockconStock. - Comparar
PriceconPrice. - Conservar columnas descriptivas como contexto cuando ayuden a revisar la fila.
- Dejar sin mapear los campos que no estén relacionados y no deban afectar a la comparación.
Cuando los nombres de las columnas son idénticos, Datablist puede alinearlas por su nombre. No es necesario que su orden coincida. El mapeo manual es importante cuando las etiquetas han cambiado. Una exportación de CRM podría utilizar customer_id en un archivo y Customer ID en otro. Mapéelas únicamente si representan el mismo valor.
💡 Mapee solo las columnas que quiera comparar
Los feeds de proveedores y las exportaciones de CRM suelen incorporar nuevas columnas de metadatos. Si un campo no debe contar como cambio, déjelo sin mapear o utilícelo solo como contexto durante la revisión.
Este paso parece menor, pero suele ser el que más tiempo ahorra. Una clave incorrecta relaciona mal las filas. Un mapeo incorrecto de columnas produce recuentos de cambios erróneos.
Paso 4: elija el tipo de join y las opciones
Para la primera ejecución, recomiendo esta configuración:
- Full outer join.
- Una columna clave estable.
- Ignorar los espacios iniciales y finales.
- Normalizar los valores vacíos y similares a null.
- Mantener la comparación sensible a mayúsculas y minúsculas, salvo que la capitalización no sea relevante.
El full outer join es la mejor opción predeterminada porque lo muestra todo: filas relacionadas, añadidas y eliminadas. Le ofrece una visión general de auditoría antes de acotar los resultados.
El tipo de join determina qué aparece en el resultado:
- Full outer join muestra las filas relacionadas, las que solo existen en el archivo original y las que solo existen en el actualizado.
- Inner join muestra únicamente los registros presentes en ambos archivos. Utilícelo si solo le interesan los cambios en filas compartidas.
- Left join conserva el archivo original como base y excluye las filas que solo aparecen en el actualizado.
Las opciones de comparación reducen el ruido de formato:
- Ignore whitespace elimina los espacios iniciales y finales antes de comparar las celdas.
- Ignore case considera que
AcmeyACMEson iguales. - Empty and null-like normalization considera equivalentes los campos vacíos y los valores
null,undefined,nil,none,n/ayna.
Mantenga desactivada la normalización cuando un placeholder sea un código con significado en sus datos. Supongamos que el registro original tiene id = 101 y Region = NA, donde NA significa Norteamérica, mientras que el registro actualizado tiene el mismo ID pero la región está vacía. Con Normalize empty and null-like values activado, los valores de Region se consideran iguales y la fila puede aparecer como unchanged si no cambia ningún otro valor mapeado.
Para detectar ese cambio, desactive el ajuste, mantenga id como clave y Region mapeada, y repita la comparación. La fila debería aparecer como changed, con NA junto al valor vacío en la exportación completa. Compruebe un registro de este tipo antes de decidir si normaliza todo el archivo; la opción se aplica a todas las columnas comparadas.
📘 Utilice full outer join en la primera auditoría
Empiece con una visión amplia y acótela después. Cuando compruebe que los recuentos de filas añadidas, eliminadas y modificadas tienen sentido, exporte un archivo más pequeño con las filas modificadas.
En archivos grandes, el rendimiento depende del navegador y del dispositivo. La vista previa está limitada para mantener la fluidez, mientras que el CSV descargable se genera a partir del resultado completo. Si una exportación es demasiado grande para revisarla cómodamente, primero puede dividir el CSV en archivos más pequeños.
Paso 5: revise filas añadidas, eliminadas, modificadas y sin cambios
Cuando termine la comparación, empiece por los estados de las filas:
added: la clave solo existe en el CSV actualizado.removed: la clave solo existe en el CSV original.changed: la clave existe en ambos archivos y ha cambiado al menos un valor mapeado.unchanged: la clave existe en ambos archivos y los valores mapeados coinciden después de la normalización.
El ejemplo de productos ofrece casos claros:
PRD-001ha cambiado porquePricepasa de24.90a23.90yStock, de42a38.PRD-003ha cambiado porque el stock pasa de0a25.PRD-011se ha añadido porque su EAN solo aparece en el CSV de ofertas.PRD-008se ha eliminado porque su EAN solo aparece en el CSV de productos.
Utilice los filtros de estado para centrar la revisión. Suelo empezar por Changed y después compruebo Added y Removed. Dejo Unchanged para el final, salvo que necesite un registro de auditoría completo.
La vista de filas modificadas resulta útil cuando necesita consultar las diferencias celda por celda. Muestra el valor original y el actualizado uno junto al otro para cada columna modificada.
Antes de exportar, realizo una breve comprobación de calidad:
- ¿Parecen razonables los recuentos de filas añadidas y eliminadas?
- ¿Ha relacionado la herramienta las filas mediante la clave esperada?
- ¿Están marcadas las claves duplicadas?
- ¿Se han mapeado correctamente las columnas?
- ¿Se ignoran los cambios que solo afectan al formato cuando corresponde?
- ¿Tienen sentido algunas de las filas modificadas al desplegarlas?
La sección de resumen ofrece otra comprobación rápida. Muestra los detalles del procesamiento, las columnas mapeadas, los avisos de claves duplicadas y los recuentos por estado.
Si las cifras parecen extrañas, no exporte todavía. Revise primero la clave y el mapeo de columnas. Ahí se originan la mayoría de los problemas.
Paso 6: exporte el resultado de CSV Diff
Cuando la vista previa sea correcta, exporte el resultado. Datablist ofrece distintos modos de salida según sus necesidades:
- Summary CSV: úselo para consultar el estado de las filas, las claves, los recuentos y un resumen fácil de auditar.
- Changed rows CSV: úselo cuando solo sea necesario revisar los registros con diferencias.
- Full diff CSV: úselo para comparar en paralelo los valores originales y actualizados.
En una primera ejecución, prefiero Full diff CSV. Conserva más contexto, lo que ayuda a explicar los cambios posteriormente. Cuando el proceso ya está validado, cambio a Changed rows CSV para obtener un archivo más breve.
También puede elegir el separador:
- Coma para la mayoría de los flujos de trabajo con hojas de cálculo.
- Punto y coma cuando su configuración regional o el sistema de destino lo requieran.
- Barra vertical o tabulación para las herramientas que exijan esos formatos.
La herramienta permite copiar el CSV de diferencias o descargarlo. Los archivos descargados siguen este patrón:
csv-diff-{originalBase}-vs-{updatedBase}.csvSi el resultado exportado es grande y necesita filtrarlo o editarlo antes de compartirlo, consulte la guía de Datablist para editar archivos CSV grandes online.
Ejemplo de tabla de resultados
Esta es una pequeña muestra de cómo puede verse una exportación completa de diferencias para el ejemplo de productos.
| status | key | changed_columns | original:Price | updated:Price | original:Stock | updated:Stock |
|---|---|---|---|---|---|---|
| changed | 5901234123457 | Price|Stock | 24.90 | 23.90 | 42 | 38 |
| changed | 5901234123471 | Stock | 9.90 | 9.90 | 0 | 25 |
| added | 5901234123556 | 16.50 | 44 | |||
| removed | 5901234123525 | 7.50 | 88 |
El CSV exportado puede incluir:
status: added, removed, changed o unchanged.key: el valor utilizado para relacionar la fila.__row_index_original: el número de fila en el CSV original, cuando existe.__row_index_updated: el número de fila en el CSV actualizado, cuando existe.__duplicate_key: indica si la clave seleccionada aparece más de una vez.changed_columns: los campos modificados.changed_columns_count: el número de campos modificados.summary: un resumen legible de los cambios.- Pares
original:{column}yupdated:{column}para revisarlos en paralelo.
Me gusta este formato porque resulta fácil de compartir. Cualquier persona puede filtrar por status = changed, ordenar por changed_columns_count o aislar los registros añadidos y eliminados sin repetir la comparación.
Cuándo conviene comparar archivos CSV de esta forma
Este proceso encaja en cualquier situación en la que disponga de dos instantáneas y necesite saber qué ha cambiado. Algunos ejemplos habituales:
- Actualizaciones de precios y stock en catálogos de productos.
- Revisión de feeds de proveedores antes de importar nuevas ofertas.
- Exportaciones del CRM antes y después de una limpieza.
- Actualizaciones de listas de leads.
- Comparación de instantáneas de inventario.
- Auditorías de hojas de cálculo compartidas.
- Exportaciones CSV generadas mediante un proceso de conversión desde JSON.
Por ejemplo, después de convertir JSON anidado a CSV, puede utilizar CSV Diff para comparar dos exportaciones generadas. Si prepara registros para un CRM, ejecute la comparación antes de una limpieza de datos más amplia para saber qué filas han cambiado.
Comparar, hacer join o deduplicar: elija el proceso adecuado
Comparar archivos CSV no es lo mismo que unirlos o deduplicarlos. Utilice CSV Diff cuando su pregunta sea:
¿Qué ha cambiado entre estas dos instantáneas?
Utilice un proceso de join cuando su pregunta sea:
¿Cómo combino campos de dos archivos?
Para ello, consulte la guía para hacer join de archivos CSV mediante un identificador único. Para entender la diferencia entre apilar filas y añadir columnas mediante una clave compartida, revise los ejemplos de merge frente a join antes de elegir una operación.
Utilice la deduplicación cuando su pregunta sea:
¿Qué registros están repetidos en uno o varios archivos?
En ese caso, consulte la guía para eliminar duplicados de un CSV.
Esta diferencia es importante porque cada proceso tiene un objetivo distinto. CSV Diff sirve para comparar instantáneas y exportar las diferencias. No es una herramienta de fuzzy matching ni de merge.
Solución de problemas y casos especiales
Las filas aparecen como añadidas y eliminadas, no modificadas
Compruebe primero la columna clave. Si la clave ha cambiado entre los archivos, Datablist no puede reconocer ambas filas como el mismo registro. Compruebe también el orden de los archivos. Si intercambia el original y el actualizado, las filas añadidas y eliminadas aparecerán al revés.
Aparecen demasiadas celdas modificadas
Revise las opciones de comparación. Active la eliminación de espacios si estos no deben importar, utilice una comparación que ignore mayúsculas y minúsculas si la capitalización no es relevante, normalice los valores vacíos si los campos en blanco y los placeholders deben coincidir, y compruebe el mapeo de los campos renombrados.
Los nombres de las columnas son diferentes
Utilice el mapeo manual. Mapee los campos únicamente cuando signifiquen lo mismo. Deje sin mapear las columnas no relacionadas si no deben afectar a la comparación.
Aparecen claves duplicadas
Considere las claves duplicadas como una señal de revisión. El resultado puede seguir siendo útil, pero estas claves indican que el identificador seleccionado no es suficientemente único. Limpie los archivos de origen o elija una clave más sólida antes de utilizar los recuentos para una importación.
El archivo tarda en procesarse o la vista previa está limitada
El rendimiento de los archivos grandes depende del navegador y del dispositivo. Utilice la vista previa para revisar los datos y descargue después el CSV de diferencias cuando necesite el resultado completo.
El análisis del CSV falla
Busque campos entre comillas sin cerrar, delimitadores poco habituales o problemas de codificación. Un solo campo entre comillas que esté mal cerrado puede invalidar un archivo CSV.
Conclusión
La mejor forma de comparar dos exportaciones CSV es tratarlas como datos, no como texto. Cargue el archivo antiguo como CSV original y el nuevo como CSV actualizado, elija una clave estable, mapee las columnas, revise los estados de las filas y exporte las diferencias.
Mi configuración predeterminada es sencilla: full outer join, una clave estable, eliminación de espacios, normalización de valores similares a null y una exportación completa de diferencias para la primera revisión.
Puede realizar todo el proceso con la herramienta CSV Diff de Datablist.







