Quando devi confrontare file CSV online, la prima cosa da evitare è un diff del testo grezzo. I file CSV contengono dati strutturati: le righe cambiano posizione, le colonne vengono rinominate, gli export aggiungono nuovi campi e un confronto riga per riga diventa rapidamente illeggibile.
Preferisco confrontare i file come tabelle: scelgo una chiave stabile, mappo le colonne, controllo le righe aggiunte, rimosse, modificate e invariate, quindi esporto il diff. È proprio ciò per cui è stato creato lo strumento CSV Diff di Datablist.
In questa guida confronterò un vecchio export del catalogo prodotti con un file più recente contenente le offerte di un fornitore. I due file non hanno le stesse colonne, ma condividono EAN, Internal ID, Price e Stock. È un caso realistico: abbineremo i prodotti tramite EAN, confronteremo prezzo e disponibilità, quindi esporteremo il risultato.
Link rapidi
- Il metodo più rapido per confrontare file CSV
- Dataset di esempio
- Passaggio 1: carica il file CSV originale e quello aggiornato
- Passaggio 2: scegli come abbinare le righe
- Passaggio 3: mappa le colonne con nomi diversi
- Passaggio 4: scegli il tipo di join e le opzioni di confronto
- Passaggio 5: controlla le differenze
- Passaggio 6: esporta il risultato del CSV diff
- Esempio di output
Il metodo più rapido per confrontare file CSV
Se hai già pronti entrambi i file, bastano pochi passaggi:
- Apri lo strumento CSV Diff di Datablist.
- Carica il file meno recente come CSV originale.
- Carica il file più recente come CSV aggiornato.
- Inizia con il rilevamento automatico, poi conferma la colonna chiave.
- Mappa le colonne se i due file utilizzano nomi diversi.
- Mantieni il full outer join per il primo controllo.
- Esamina le righe modificate, aggiunte, rimosse e invariate.
- Per il primo passaggio, esporta il CSV con il diff completo.
- Se ti serve un file più sintetico da condividere, esporta solo le righe modificate.
Questo sistema funziona meglio di un diff testuale perché il confronto segue i record, non i numeri di riga. Se un export del CRM riordina i contatti o un fornitore aggiunge una colonna, un diff testuale può far sembrare diverso l'intero file. Un diff tra tabelle mostra invece quali record e quali celle sono cambiati.
🔑 Scegli la chiave di riga prima di valutare il diff
Una buona colonna chiave trasforma un confronto confuso in un risultato utile. Usa un ID, un'email, uno SKU, un EAN o un identificativo interno che rimanga stabile tra un export e l'altro.
Dataset di esempio: CSV Prodotti vs CSV Offerte
Per questo tutorial userò un dataset ecommerce fittizio. Il primo file è un vecchio export del catalogo prodotti; il secondo è un feed più recente con le offerte di un fornitore o marketplace.
Il CSV Prodotti originale si presenta così:
| Indice | EAN | ID interno | Nome | Brand | Categoria | Prezzo | Valuta | Stock | Disponibilità |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 5901234123457 | PRD-001 | Borraccia ermetica | Acme Outdoor | Outdoor | 24.90 | EUR | 42 | Disponibile |
| 2 | 5901234123464 | PRD-002 | Lunch box Bento | Northline | Cucina | 18.50 | EUR | 120 | Disponibile |
| 3 | 5901234123471 | PRD-003 | Shopper in cotone | Urban Goods | Accessori | 9.90 | EUR | 0 | Esaurito |
| 4 | 5901234123488 | PRD-004 | Lampada da scrivania LED | Luma | Ufficio | 39.00 | EUR | 18 | Disponibile |
| 5 | 5901234123495 | PRD-005 | Tappetino yoga | BalanceFit | Sport | 29.00 | EUR | 65 | Disponibile |
| 10 | 5901234123549 | PRD-010 | Mouse wireless | ClickPro | Elettronica | 34.00 | EUR | 55 | Disponibile |
Il CSV Offerte aggiornato contiene meno campi descrittivi, ma conserva gli identificativi e i valori commerciali che mi interessano:
| ID offerta | EAN | ID interno | SKU fornitore | Stock | Prezzo |
|---|---|---|---|---|---|
| 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 |
Questa coppia include tutti i casi che cerco in un esempio di CSV diff: valori modificati, nuove righe, righe rimosse, righe invariate e schemi differenti. Nel campione completo, mi aspetto che PRD-001, PRD-003, PRD-004, PRD-006 e PRD-010 risultino modificati. PRD-011 e PRD-012 dovrebbero risultare aggiunti, mentre PRD-008 e PRD-009 dovrebbero risultare rimossi.
Passaggio 1: carica i file CSV originale e aggiornato
Apri lo strumento CSV Diff. Vedrai due aree di caricamento:
- Original CSV: l'export precedente, il vecchio snapshot o il file di riferimento.
- Updated CSV: l'export più recente da confrontare con l'originale.
L'ordine è importante. Se una riga esiste solo nel file aggiornato, Datablist la contrassegna come added. Se esiste solo nel file originale, la contrassegna come removed.
Nell'esempio carico il CSV Prodotti come file originale, perché è l'export meno recente del catalogo. Carico invece il CSV Offerte come file aggiornato, perché rappresenta il feed più recente del fornitore.
Dopo aver selezionato entrambi i file, lo strumento li analizza e prepara il primo confronto. I CSV vengono elaborati e confrontati nel browser. Il parser riconosce i separatori più comuni, come virgola, punto e virgola, tabulazione e pipe, e supporta codifiche diffuse quali UTF-8 e Windows-1252.
Prima di esaminare il risultato, verifico comunque l'ordine dei file. Molti confronti errati nascono dall'inversione tra vecchio e nuovo file, che porta a interpretare al contrario le righe aggiunte e rimosse.
Passaggio 2: scegli come abbinare le righe
L'abbinamento delle righe è l'impostazione più importante dell'intero processo.
Datablist può iniziare con il rilevamento automatico. Cerca colonne che potrebbero contenere identificativi, come id, email, sku, uuid, external_id, record_id, user_id, contact_id e company_id.
Per i dati di prodotto, in genere preferisco:
EAN, quando è presente e univoco.Internal ID, quando i valori EAN mancano, sono duplicati o dipendono dal fornitore.SKU, solo se viene usato lo stesso SKU in entrambi i file.
Per file CRM o Lead, la chiave equivalente potrebbe essere email, contact_id, company_id oppure l'ID del record nel CRM.
La modalità di abbinamento dipende dalla struttura dei dati:
- Usa l'abbinamento con chiave singola per la maggior parte degli export. Una sola colonna stabile è più semplice da verificare.
- Usa l'abbinamento con più chiavi quando una colonna non è abbastanza univoca. Per esempio,
Company Domaininsieme aEmail. - Usa il confronto dell'intera riga solo se non disponi di un identificativo stabile.
- Usa il rilevamento automatico per il primo passaggio, poi conferma la chiave individuata prima di considerare affidabili i conteggi.
⚠️ Una chiave debole genera troppe righe aggiunte e rimosse
Se la chiave manca, è duplicata o ha un formato diverso tra gli export, due record corrispondenti possono apparire come una riga rimossa e una aggiunta. Controlla le segnalazioni delle chiavi duplicate prima di usare il risultato per un aggiornamento.
Le chiavi duplicate non sono un motivo per ignorare il diff, ma indicano che serve maggiore attenzione. Lo strumento le segnala e io controllo quei record prima di fare affidamento sui conteggi.
Passaggio 3: mappa le colonne con nomi diversi
La mappatura delle colonne stabilisce quali campi confrontare.
Nell'esempio, entrambi i file contengono EAN, Internal ID, Stock e Price. Il file originale include anche Name, Brand, Category, Currency e Availability, mentre quello aggiornato contiene Offer ID e Supplier SKU.
Non voglio che i metadati presenti solo nel feed del fornitore siano conteggiati come modifiche. Voglio confrontare le colonne che rispondono alla mia esigenza di business:
- Abbinare le righe tramite
EAN. - Confrontare
StockconStock. - Confrontare
PriceconPrice. - Conservare le colonne descrittive come contesto, quando aiutano a controllare la riga.
- Non mappare i campi non correlati, se non devono influire sul confronto.
Quando i nomi delle colonne coincidono, Datablist può allinearle automaticamente. Non è necessario che l'ordine sia lo stesso. La mappatura manuale diventa importante quando le etichette sono cambiate. Per esempio, un export CRM potrebbe usare customer_id in un file e Customer ID nell'altro: mappali solo se rappresentano lo stesso valore.
💡 Mappa soltanto le colonne che vuoi confrontare
Nei feed dei fornitori e negli export CRM compaiono spesso nuovi campi di metadati. Se un campo non deve essere conteggiato come modifica, lascialo senza mappatura oppure usalo solo come contesto durante il controllo.
Può sembrare un passaggio secondario, ma spesso è quello che fa risparmiare più tempo. Una chiave errata compromette l'abbinamento delle righe; una mappatura sbagliata compromette il conteggio delle modifiche.
Passaggio 4: scegli il tipo di join e le opzioni
Per la prima esecuzione consiglio queste impostazioni:
- Full outer join.
- Una colonna chiave stabile.
- Ignora gli spazi iniziali e finali.
- Normalizza i valori vuoti e simili a null.
- Mantieni il confronto case-sensitive, a meno che maiuscole e minuscole non siano irrilevanti.
Il full outer join è l'opzione predefinita migliore perché mostra tutto: righe abbinate, aggiunte e rimosse. Offre una panoramica completa prima di restringere i risultati.
Il tipo di join determina ciò che compare nel risultato:
- Il full outer join mostra le righe abbinate, quelle presenti solo nel file originale e quelle presenti solo nel file aggiornato.
- L'inner join mostra esclusivamente i record presenti in entrambi i file. Usalo se ti interessano soltanto le modifiche alle righe condivise.
- Il left join usa il file originale come base ed esclude le righe presenti solo nel file aggiornato.
Le opzioni di confronto riducono il rumore dovuto alla formattazione:
- Ignore whitespace rimuove gli spazi iniziali e finali prima di confrontare le celle.
- Ignore case considera equivalenti
AcmeeACME. - La normalizzazione dei valori vuoti e simili a null considera equivalenti celle vuote,
null,undefined,nil,none,n/aena.
Disattiva la normalizzazione quando un placeholder rappresenta un codice significativo nei tuoi dati. Immagina che il record originale abbia id = 101 e Region = NA, dove NA indica il Nord America, mentre quello aggiornato abbia lo stesso ID ma il campo Region vuoto. Con Normalize empty and null-like values attivo, i due valori Region vengono considerati uguali e, se nessun altro valore mappato è diverso, la riga può apparire come unchanged.
Per rilevare la modifica, disattiva l'impostazione, mantieni id come chiave e Region come colonna mappata, quindi esegui nuovamente il confronto. La riga dovrebbe risultare changed, con NA accanto al valore vuoto nell'export del diff completo. Controlla un record di questo tipo prima di scegliere la normalizzazione per l'intero file: l'opzione si applica a tutte le colonne confrontate.
📘 Usa il full outer join per il primo controllo
Parti da una panoramica completa, poi restringi il risultato. Quando i conteggi di righe aggiunte, rimosse e modificate ti sembrano corretti, esporta un file più piccolo con le sole righe modificate.
Con file di grandi dimensioni, le prestazioni dipendono dal browser e dal dispositivo. L'anteprima è limitata per restare reattiva, mentre il CSV scaricabile viene generato dal risultato completo. Se un export è troppo grande da confrontare agevolmente, dividi il CSV in file più piccoli.
Passaggio 5: controlla righe aggiunte, rimosse, modificate e invariate
Una volta eseguito il confronto, parti dagli stati delle righe:
added: la chiave esiste solo nel CSV aggiornato.removed: la chiave esiste solo nel CSV originale.changed: la chiave esiste in entrambi i file e almeno un valore mappato è cambiato.unchanged: la chiave esiste in entrambi i file e i valori mappati coincidono dopo la normalizzazione.
L'esempio dei prodotti offre casi molto chiari:
PRD-001è cambiato perchéPriceè passato da24.90a23.90eStockda42a38.PRD-003è cambiato perché lo stock è passato da0a25.PRD-011è stato aggiunto perché il suo EAN compare solo nel CSV Offerte.PRD-008è stato rimosso perché il suo EAN compare solo nel CSV Prodotti.
Usa i filtri di stato per concentrarti sui dati da controllare. Di solito parto da Changed, poi verifico Added e Removed. Lascio Unchanged per ultimo, a meno che non mi serva un audit trail completo.
La vista delle righe modificate è utile per esaminare le differenze a livello di singola cella. Mostra affiancati il valore originale e quello aggiornato per ogni colonna modificata.
Prima dell'export, eseguo un rapido controllo di qualità:
- I conteggi delle righe aggiunte e rimosse sono plausibili?
- Lo strumento ha abbinato le righe usando la chiave prevista?
- Le chiavi duplicate sono segnalate?
- Le colonne sono mappate correttamente?
- Le modifiche dovute soltanto alla formattazione vengono ignorate quando necessario?
- Alcune righe modificate, una volta espanse, mostrano differenze sensate?
La sezione riepilogativa offre un altro controllo immediato. Mostra i dettagli dell'elaborazione, le colonne mappate, le segnalazioni delle chiavi duplicate e i conteggi per stato.
Se i numeri sembrano strani, non esportare ancora. Torna prima alla chiave e alla mappatura delle colonne: è lì che nasce la maggior parte dei problemi.
Passaggio 6: esporta il risultato del CSV diff
Quando l'anteprima è corretta, esporta il risultato. Datablist offre diverse modalità di output in base alle tue esigenze:
- Summary CSV: contiene stato delle righe, chiavi, conteggi e una panoramica adatta agli audit.
- Changed rows CSV: utile quando serve controllare soltanto i record che presentano differenze.
- Full diff CSV: mostra affiancati i valori originali e aggiornati.
Per la prima esecuzione preferisco il full diff CSV. Conserva più contesto e aiuta a spiegare le modifiche in un secondo momento. Dopo aver convalidato il workflow, passo al changed rows CSV per ottenere un file più sintetico.
Puoi anche scegliere il separatore:
- Virgola per la maggior parte dei workflow con fogli di calcolo.
- Punto e virgola se è previsto dalle impostazioni locali o dal sistema di destinazione.
- Pipe o tabulazione per gli strumenti che richiedono questi formati.
Lo strumento consente di copiare il CSV delle differenze o di scaricarlo. I file scaricati seguono questo schema:
csv-diff-{originalBase}-vs-{updatedBase}.csvSe il risultato esportato è molto grande e devi filtrarlo o modificarlo prima di condividerlo, consulta la guida di Datablist per modificare file CSV di grandi dimensioni online.
Esempio di tabella di output
Ecco un piccolo esempio di come può apparire l'export del diff completo per il catalogo prodotti.
| 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 |
Il CSV esportato può includere:
status: added, removed, changed oppure unchanged.key: il valore usato per abbinare la riga.__row_index_original: il numero della riga nel CSV originale, se presente.__row_index_updated: il numero della riga nel CSV aggiornato, se presente.__duplicate_key: indica se la chiave selezionata compare più di una volta.changed_columns: i campi modificati.changed_columns_count: il numero di campi modificati.summary: un riepilogo leggibile delle modifiche.- Coppie
original:{column}eupdated:{column}per il confronto affiancato.
Apprezzo questo formato perché è facile da condividere. Chi lo riceve può filtrare status = changed, ordinare per changed_columns_count oppure isolare i record aggiunti e rimossi senza ripetere il confronto.
Quando conviene confrontare i file CSV in questo modo
Questo workflow è adatto a ogni situazione in cui hai due snapshot e vuoi sapere che cosa è cambiato. Alcuni esempi:
- Aggiornamenti di prezzi e stock nel catalogo prodotti.
- Controllo del feed di un fornitore prima di importare nuove offerte.
- Export del CRM prima e dopo un'attività di pulizia.
- Aggiornamento delle liste di Lead.
- Confronto di snapshot dell'inventario.
- Audit dei passaggi di consegna dei fogli di calcolo.
- Export CSV generati da un processo di conversione JSON.
Per esempio, dopo aver convertito un JSON nidificato in CSV, puoi usare CSV Diff per confrontare due export generati. Se stai preparando record per un CRM, esegui il diff prima di una più ampia attività di data cleaning, così saprai esattamente quali righe sono cambiate.
Confrontare, unire o deduplicare: scegli il workflow giusto
Confrontare file CSV non equivale a unirli o deduplicarli. Usa CSV Diff quando la domanda è:
Che cosa è cambiato tra questi due snapshot?
Usa invece un workflow di join quando vuoi sapere:
Come posso combinare i campi di due file?
In questo caso, consulta la guida per unire file CSV tramite un identificativo univoco. Per capire la differenza tra accodare righe e aggiungere colonne mediante una chiave condivisa, guarda gli esempi di merge e join prima di scegliere l'operazione.
Ricorri alla deduplicazione quando la domanda è:
Quali record sono ripetuti all'interno di uno o più file?
In tal caso, consulta la guida per rimuovere i duplicati da un CSV.
La distinzione è importante perché ogni workflow risponde a un'esigenza diversa. CSV Diff serve a confrontare snapshot ed esportare un diff. Non è uno strumento di fuzzy matching né di merge.
Risoluzione dei problemi e casi particolari
Le righe risultano aggiunte e rimosse anziché modificate
Controlla per prima cosa la colonna chiave. Se la chiave è cambiata tra i file, Datablist non può riconoscere le due righe come lo stesso record. Verifica anche l'ordine dei file: se originale e aggiornato sono invertiti, lo saranno anche le righe aggiunte e rimosse.
Troppe celle risultano modificate
Controlla le opzioni di confronto. Attiva la rimozione degli spazi se non sono rilevanti, usa il confronto case-insensitive se maiuscole e minuscole non contano, normalizza i valori vuoti se celle vuote e placeholder devono coincidere e verifica la mappatura delle colonne rinominate.
I nomi delle colonne sono diversi
Usa la mappatura manuale. Mappa i campi solo se hanno lo stesso significato. Lascia senza mappatura le colonne non correlate, se non devono influire sul confronto.
Sono presenti chiavi duplicate
Considera le chiavi duplicate come un segnale da approfondire. Il risultato può comunque essere utile, ma i duplicati indicano che l'identificativo scelto non è abbastanza univoco. Pulisci i file sorgente o scegli una chiave più solida prima di usare i conteggi per un'importazione.
Il file è lento o l'anteprima è limitata
Con file di grandi dimensioni, le prestazioni dipendono dal browser e dal dispositivo. Usa l'anteprima per il controllo, quindi scarica il CSV diff per ottenere il risultato completo.
L'analisi del CSV non riesce
Verifica la presenza di campi tra virgolette non chiusi, delimitatori insoliti o problemi di codifica. Basta un solo campo con virgolette non chiuse per rendere non valido un file CSV.
Conclusione
Il modo migliore per confrontare due export CSV è trattarli come dati, non come testo. Carica il vecchio file come CSV originale e quello nuovo come CSV aggiornato, scegli una chiave stabile, mappa le colonne, controlla gli stati delle righe ed esporta il diff.
La mia configurazione predefinita è semplice: full outer join, chiave stabile, rimozione degli spazi, normalizzazione dei valori simili a null ed export del diff completo per il primo controllo.
Puoi eseguire l'intero workflow con lo strumento CSV Diff di Datablist.







