Slik sammenligner du CSV-filer på nett med Datablist

Florian Poullin
Florian Poullin
18 min lesetid
Sammenlign CSV-filer post for post
Slik sammenligner du CSV-filer på nett med Datablist
Innholdsfortegnelse
  1. Hurtiglenker
  2. Den raskeste måten å sammenligne CSV-filer på
  3. Eksempeldatasett: Produkt-CSV mot tilbuds-CSV
  4. Trinn 1: Last opp opprinnelig og oppdatert CSV
  5. Trinn 2: Velg hvordan radene skal matches
  6. Trinn 3: Koble sammen kolonner med ulike navn
  7. Trinn 4: Velg join-type og sammenligningsalternativer
  8. Trinn 5: Se tillagte, fjernede, endrede og uendrede rader
  9. Trinn 6: Eksporter CSV-diffen
  10. Eksempel på resultattabell
  11. Når bør du sammenligne CSV-filer på denne måten?
  12. Sammenligne, joine eller deduplisere: Velg riktig metode
  13. Feilsøking og spesialtilfeller
    1. Rader vises som tillagt og fjernet i stedet for endret
    2. For mange celler vises som endret
    3. Kolonnene har forskjellige navn
    4. Duplikatnøkler vises
    5. Filen er treg eller forhåndsvisningen er begrenset
    6. CSV-filen kan ikke leses
  14. Konklusjon
  15. FAQ

Når du skal sammenligne CSV-filer på nett, bør du først og fremst unngå en ren tekstdiff. CSV-filer inneholder strukturerte data. Rader flyttes, kolonner får nye navn, eksporter får nye felt, og en linje-for-linje-sammenligning blir raskt uoversiktlig.

Jeg foretrekker å sammenligne filene som tabeller: Velg en stabil nøkkel, koble sammen kolonnene, gå gjennom rader som er lagt til, fjernet, endret eller uendret, og eksporter deretter diffen. Det er nettopp dette Datablists CSV Diff-verktøy er utviklet for.

I denne veiledningen sammenligner jeg en eldre eksport av en produktkatalog med en nyere tilbudsfil fra en leverandør. Filene har ikke de samme kolonnene, men begge inneholder EAN, Internal ID, Price og Stock. Dermed får vi et realistisk eksempel: Vi matcher produkter etter EAN, sammenligner pris og lagerbeholdning og eksporterer resultatet.

Hurtiglenker

Den raskeste måten å sammenligne CSV-filer på

Hvis du allerede har de to filene klare, er prosessen enkel:

  1. Åpne Datablists CSV Diff-verktøy.
  2. Last opp den eldre filen som Original CSV.
  3. Last opp den nyere filen som Updated CSV.
  4. Begynn med automatisk gjenkjenning, og bekreft deretter nøkkelkolonnen.
  5. Koble sammen kolonnene hvis filene bruker forskjellige navn.
  6. Behold full outer join i den første kontrollen.
  7. Gå gjennom endrede, tillagte, fjernede og uendrede rader.
  8. Eksporter hele CSV-diffen i første omgang.
  9. Bytt til eksport av endrede rader hvis du trenger en kortere fil å dele videre.

Dette fungerer bedre enn en tekstdiff fordi sammenligningen følger datapostene, ikke linjenumrene. Hvis en CRM-eksport endrer rekkefølgen på kontaktene, eller en leverandør legger til en ny kolonne, kan en tekstdiff få hele filen til å se endret ut. En tabelldiff viser hvilke dataposter og celler som faktisk er endret.

🔑 Velg radnøkkel før du vurderer diffen

En god nøkkelkolonne gjør en uoversiktlig sammenligning nyttig. Bruk en ID, e-postadresse, SKU, EAN eller intern identifikator som er stabil mellom eksportene.

Eksempeldatasett: Produkt-CSV mot tilbuds-CSV

I denne veiledningen bruker jeg et fiktivt datasett fra netthandel. Den første filen er en eldre eksport av en produktkatalog. Den andre er en nyere tilbudsfeed fra en leverandør eller markedsplass.

Den opprinnelige produkt-CSV-en ser slik ut:

IndeksEANIntern IDNavnMerkeKategoriPrisValutaLagerTilgjengelighet
15901234123457PRD-001Lufttett flaskeAcme OutdoorFriluftsliv24.90EUR42På lager
25901234123464PRD-002Bento-matboksNorthlineKjøkken18.50EUR120På lager
35901234123471PRD-003Handlenett i bomullUrban GoodsTilbehør9.90EUR0Utsolgt
45901234123488PRD-004LED-skrivebordslampeLumaKontor39.00EUR18På lager
55901234123495PRD-005YogamatteBalanceFitSport29.00EUR65På lager
105901234123549PRD-010Trådløs musClickProElektronikk34.00EUR55På lager

Den oppdaterte tilbuds-CSV-en har færre beskrivende felt, men inneholder fortsatt identifikatorene og de kommersielle verdiene jeg trenger:

Tilbuds-IDEANIntern IDLeverandør-SKULagerPris
OFF-0015901234123457PRD-001ACM-BTL-013823.90
OFF-0025901234123464PRD-002NTH-LBX-0212018.50
OFF-0035901234123471PRD-003UGD-TOTE-03259.90
OFF-0045901234123488PRD-004LMA-LAMP-041835.00
OFF-0055901234123495PRD-005BFT-MAT-056529.00
OFF-0085901234123556PRD-011CLP-CAB-114416.50

Dette filparet inneholder problemene jeg vanligvis vil ha med i et eksempel på CSV-diff: endrede verdier, nye rader, fjernede rader, uendrede rader og ulike skjemaer. Med hele eksempeldatasettet forventer jeg at PRD-001, PRD-003, PRD-004, PRD-006 og PRD-010 er endret. PRD-011 og PRD-012 skal være lagt til, mens PRD-008 og PRD-009 skal være fjernet.

Trinn 1: Last opp opprinnelig og oppdatert CSV

Åpne CSV Diff-verktøyet. Du ser to opplastingsfelt:

  • Original CSV: den tidligere eksporten, det gamle øyeblikksbildet eller referansefilen.
  • Updated CSV: den nyere eksporten du vil sammenligne med originalen.

Rekkefølgen er viktig. Hvis en rad bare finnes i den oppdaterte filen, merker Datablist den som added. Hvis raden bare finnes i den opprinnelige filen, merkes den som removed.

I produkteksemplet laster jeg opp produkt-CSV-en som originalfil fordi den er den eldre katalogeksporten. Tilbuds-CSV-en lastes opp som den oppdaterte filen fordi den representerer den nyere leverandørfeeden.

Opplastingsskjerm i CSV Diff-verktøyet med feltene Original CSV og Updated CSV
Opplastingsskjerm i CSV Diff-verktøyet med feltene Original CSV og Updated CSV

Når begge filene er valgt, leser verktøyet dem inn og klargjør den første sammenligningen. CSV-filene behandles og sammenlignes i nettleseren. Parseren gjenkjenner vanlige skilletegn som komma, semikolon, tabulator og loddrett strek, og støtter vanlige tegnkodinger som UTF-8 og filer i Windows-1252-format.

Jeg kontrollerer likevel filrekkefølgen før jeg vurderer resultatet. Mange misvisende CSV-sammenligninger skyldes at gammel og ny fil er byttet om, slik at tillagte og fjernede rader leses baklengs.

Trinn 2: Velg hvordan radene skal matches

Matching av rader er den viktigste innstillingen i prosessen.

Datablist kan begynne med automatisk gjenkjenning. Verktøyet ser etter sannsynlige identifikatorer som id, email, sku, uuid, external_id, record_id, user_id, contact_id og company_id.

For produktdata foretrekker jeg vanligvis:

  • EAN når verdien finnes og er unik.
  • Internal ID når EAN-verdier mangler, forekommer flere ganger eller varierer mellom leverandører.
  • SKU bare når begge filene bruker samme SKU.

For CRM- eller leadfiler kan den tilsvarende nøkkelen være email, contact_id, company_id eller en post-ID fra CRM-systemet.

Matchinginnstillinger i CSV Diff med automatisk radmatching og full outer join
Matchinginnstillinger i CSV Diff med automatisk radmatching og full outer join

Hvilken matchingmodus du bør velge, avhenger av datastrukturen:

  • Bruk matching med én nøkkel for de fleste eksporter. Én stabil kolonne er enklere å kontrollere.
  • Bruk matching med flere nøkler når én kolonne ikke er unik nok, for eksempel Company Domain kombinert med Email.
  • Bruk sammenligning av hele raden bare når du mangler en stabil identifikator.
  • Bruk automatisk gjenkjenning i første omgang, men bekreft nøkkelen før du stoler på antallene.

⚠️ En svak nøkkel skaper støy blant tillagte og fjernede rader

Hvis nøkkelen mangler, forekommer flere ganger eller har fått nytt format mellom eksportene, kan samme datapost vises som én fjernet og én tillagt rad. Kontroller varsler om duplikatnøkler før du bruker resultatet til en oppdatering.

Duplikatnøkler betyr ikke at diffen er ubrukelig, men de er et signal om å gå grundigere til verks. Verktøyet flagger duplikatnøkler, og jeg gjennomgår disse radene før jeg stoler på antallene.

Trinn 3: Koble sammen kolonner med ulike navn

Kolonnekoblingen bestemmer hvilke felt som sammenlignes.

I produkteksemplet deler filene EAN, Internal ID, Stock og Price. Originalfilen inneholder også Name, Brand, Category, Currency og Availability, mens den oppdaterte filen har Offer ID og Supplier SKU.

Jeg vil ikke at metadata som bare finnes hos leverandøren, skal registreres som endringer. Jeg sammenligner kolonnene som besvarer forretningsspørsmålet mitt:

  • Match radene etter EAN.
  • Sammenlign Stock med Stock.
  • Sammenlign Price med Price.
  • Behold beskrivende kolonner som kontekst når de gjør gjennomgangen enklere.
  • La irrelevante felt stå uten kobling når de ikke skal påvirke sammenligningen.

Når kolonnenavnene er identiske, kan Datablist koble dem automatisk etter navn. Kolonnene trenger ikke stå i samme rekkefølge. Manuell kobling er viktig når feltnavnene er endret. En CRM-eksport kan for eksempel bruke customer_id i én fil og Customer ID i en annen. Koble dem bare sammen dersom de representerer samme verdi.

💡 Koble bare kolonnene du vil sammenligne

Nye metadatakolonner dukker ofte opp i leverandørfeeder og CRM-eksporter. Hvis et felt ikke skal telle som en endring, lar du det stå uten kobling eller bruker det bare som kontekst i gjennomgangen.

Dette virker som et lite trinn, men er ofte det som sparer mest tid. Feil nøkkel gir dårlig radmatching. Feil kolonnekobling gir misvisende endringstall.

Trinn 4: Velg join-type og sammenligningsalternativer

Til den første kjøringen anbefaler jeg følgende oppsett:

  • Full outer join.
  • En stabil nøkkelkolonne.
  • Ignorer mellomrom først og sist i verdier.
  • Normaliser tomme og null-lignende verdier.
  • Behold skille mellom store og små bokstaver med mindre dette er irrelevant.

Full outer join er det beste standardvalget fordi du får se alt: matchede, tillagte og fjernede rader. Det gir deg en bred kontroll før du avgrenser resultatet.

Innstillinger i CSV Diff for kolonnerekkefølge, mellomrom, store og små bokstaver samt normalisering av null-lignende verdier
Innstillinger i CSV Diff for kolonnerekkefølge, mellomrom, store og små bokstaver samt normalisering av null-lignende verdier

Join-typen avgjør hva som vises i resultatet:

  • Full outer join viser matchede rader, rader som bare finnes i originalfilen, og rader som bare finnes i den oppdaterte filen.
  • Inner join viser bare dataposter som finnes i begge filene. Bruk dette når du bare er interessert i endringer blant felles rader.
  • Left join bruker originalfilen som grunnlag og utelater rader som bare finnes i den oppdaterte filen.

Sammenligningsalternativene reduserer støy fra formatering:

  • Ignore whitespace fjerner mellomrom først og sist før cellene sammenlignes.
  • Ignore case behandler Acme og ACME som like.
  • Normalisering av tomme og null-lignende verdier behandler tomme felt, null, undefined, nil, none, n/a og na som like plassholdere.

Slå av normaliseringen når en plassholder har en reell betydning i datasettet. Anta at den opprinnelige dataposten har id = 101 og Region = NA, der NA betyr Nord-Amerika, mens den oppdaterte posten har samme ID, men et tomt Region-felt. Når Normalize empty and null-like values er aktivert, regnes disse Region-verdiene som like, og raden kan vises som unchanged hvis ingen andre koblede verdier er forskjellige.

For å fange opp endringen slår du av innstillingen, beholder id som nøkkel og Region som koblet kolonne og kjører sammenligningen på nytt. Raden skal da vises som changed, med NA ved siden av den tomme verdien i den fullstendige diffeksporten. Kontroller én slik datapost før du velger normalisering for hele filen. Innstillingen gjelder på tvers av alle sammenlignede kolonner.

📘 Bruk full outer join i den første kontrollen

Begynn bredt og avgrens etterpå. Når antallet tillagte, fjernede og endrede rader ser riktig ut, kan du eksportere en mindre fil med bare endrede rader.

For store filer er ytelsen til nettleseren og enheten viktig. Forhåndsvisningen er begrenset for å sikre god respons, mens den nedlastbare CSV-filen bygges fra hele resultatet. Hvis en eksport er for stor til å sammenlignes på en praktisk måte, kan du først dele den store CSV-filen i mindre filer.

Trinn 5: Se tillagte, fjernede, endrede og uendrede rader

Når sammenligningen er ferdig, begynner du med radstatusene:

  • added: Nøkkelen finnes bare i den oppdaterte CSV-filen.
  • removed: Nøkkelen finnes bare i den opprinnelige CSV-filen.
  • changed: Nøkkelen finnes i begge filene, og minst én koblet verdi er endret.
  • unchanged: Nøkkelen finnes i begge filene, og de koblede verdiene er like etter normalisering.

Produkteksemplet gir tydelige tilfeller:

  • PRD-001 er endret fordi Price gikk fra 24.90 til 23.90, og Stock gikk fra 42 til 38.
  • PRD-003 er endret fordi lagerbeholdningen gikk fra 0 til 25.
  • PRD-011 er lagt til fordi EAN-nummeret bare finnes i tilbuds-CSV-en.
  • PRD-008 er fjernet fordi EAN-nummeret bare finnes i produkt-CSV-en.

Bruk statusfiltrene til å konsentrere gjennomgangen. Jeg begynner vanligvis med Changed, før jeg kontrollerer Added og Removed. Unchanged tar jeg til slutt, med mindre jeg trenger et komplett revisjonsspor.

Forhåndsvisningstabell i CSV Diff med statusfiltre, søk, kopiering og nedlasting
Forhåndsvisningstabell i CSV Diff med statusfiltre, søk, kopiering og nedlasting

Visningen av endrede rader er nyttig når du trenger forskjeller på cellenivå. Den viser den opprinnelige og oppdaterte verdien side om side for hver endrede kolonne.

Visning av endrede rader i CSV Diff med opprinnelige og oppdaterte celleverdier side om side
Visning av endrede rader i CSV Diff med opprinnelige og oppdaterte celleverdier side om side

Før jeg eksporterer, bruker jeg denne korte kvalitetskontrollen:

  • Virker antallet tillagte og fjernede rader rimelig?
  • Matchet verktøyet radene etter nøkkelen jeg forventet?
  • Er duplikatnøkler flagget?
  • Er kolonnene koblet riktig?
  • Blir rene formateringsendringer ignorert når de bør være det?
  • Gir noen utvidede, endrede rader mening?

Sammendragsdelen gir en ekstra hurtigkontroll. Den viser behandlingsdetaljer, koblede kolonner, varsler om duplikatnøkler og antall for hver status.

Sammendragskort i CSV Diff med antall endrede, tillagte, fjernede og uendrede rader samt behandling og koblede kolonner
Sammendragskort i CSV Diff med antall endrede, tillagte, fjernede og uendrede rader samt behandling og koblede kolonner

Hvis tallene ser merkelige ut, bør du ikke eksportere ennå. Gå først tilbake til nøkkelen og kolonnekoblingen. Det er der de fleste problemene oppstår.

Trinn 6: Eksporter CSV-diffen

Når forhåndsvisningen ser riktig ut, eksporterer du resultatet. Datablist tilbyr forskjellige resultattyper etter behov:

  • Summary CSV: Bruk denne for radstatus, nøkler, antall og en oversikt som egner seg til kontroll.
  • Changed rows CSV: Bruk denne når mottakeren bare trenger å gjennomgå dataposter med forskjeller.
  • Full diff CSV: Bruk denne for å se opprinnelige og oppdaterte verdier side om side.

Ved første kjøring foretrekker jeg Full diff CSV. Den beholder mer kontekst, noe som er nyttig hvis en endring må forklares senere. Når arbeidsflyten er validert, bytter jeg til Changed rows CSV for å få en kortere fil.

Du kan også velge skilletegn:

  • Komma for de fleste regnearkprosesser.
  • Semikolon når lokale innstillinger eller et etterfølgende system krever det.
  • Loddrett strek eller tabulator for verktøy som bruker disse formatene.

Verktøyet lar deg kopiere CSV-filen med forskjellene eller laste den ned. Nedlastede filer følger dette mønsteret:

text
csv-diff-{originalBase}-vs-{updatedBase}.csv

Hvis det eksporterte resultatet er stort og du må filtrere eller redigere det før deling, kan du følge Datablists veiledning for å redigere store CSV-filer på nett.

Eksempel på resultattabell

Her er et lite eksempel på hvordan en fullstendig diffeksport kan se ut for produktdataene.

statuskeychanged_columnsoriginal:Priceupdated:Priceoriginal:Stockupdated:Stock
changed5901234123457Price|Stock24.9023.904238
changed5901234123471Stock9.909.90025
added590123412355616.5044
removed59012341235257.5088

Den eksporterte CSV-filen kan inneholde:

  • status: added, removed, changed eller unchanged.
  • key: Verdien som brukes til å matche raden.
  • __row_index_original: Radnummeret i den opprinnelige CSV-filen når det finnes.
  • __row_index_updated: Radnummeret i den oppdaterte CSV-filen når det finnes.
  • __duplicate_key: Om den valgte nøkkelen forekommer mer enn én gang.
  • changed_columns: Feltene som er endret.
  • changed_columns_count: Antall endrede felt.
  • summary: Et lesbart sammendrag av endringene.
  • Par med original:{column} og updated:{column} for gjennomgang side om side.

Jeg liker dette formatet fordi det er enkelt å dele videre. Mottakeren kan filtrere på status = changed, sortere etter changed_columns_count eller isolere tillagte og fjernede dataposter uten å kjøre sammenligningen på nytt.

Når bør du sammenligne CSV-filer på denne måten?

Denne arbeidsflyten passer i alle situasjoner der du har to øyeblikksbilder og må finne ut hva som er endret. Gode eksempler er:

  • Oppdateringer av pris og lagerbeholdning i produktkataloger.
  • Kontroll av leverandørfeeder før nye tilbud importeres.
  • CRM-eksporter før og etter datavask.
  • Oppdatering av leadlister.
  • Sammenligning av lagerøyeblikksbilder.
  • Kontroll av regneark før overlevering.
  • Genererte CSV-eksporter fra en arbeidsflyt som konverterer JSON.

Hvis du for eksempel først konverterer nestet JSON til CSV, kan du deretter bruke CSV Diff til å sammenligne to genererte eksporter. Hvis du klargjør dataposter for et CRM, bør du kjøre diffen før en mer omfattende datavask, slik at du vet hvilke rader som er endret.

Sammenligne, joine eller deduplisere: Velg riktig metode

Å sammenligne CSV-filer er ikke det samme som å joine eller deduplisere dem. Bruk CSV Diff når spørsmålet er:

Hva er endret mellom disse to øyeblikksbildene?

Bruk en join-arbeidsflyt når spørsmålet er:

Hvordan kombinerer jeg felt fra to filer?

Se da veiledningen for å joine CSV-filer med en unik identifikator. Hvis du vil forstå forskjellen mellom å stable rader og legge til kolonner via en felles nøkkel, bør du se eksemplene på merge og join før du velger metode.

Bruk deduplisering når spørsmålet er:

Hvilke dataposter forekommer flere ganger i én eller flere filer?

Se da veiledningen for å fjerne duplikater i CSV-filer.

Forskjellen er viktig fordi hver arbeidsflyt har sitt eget mål. CSV Diff brukes til å sammenligne øyeblikksbilder og eksportere en diff. Det er verken et verktøy for fuzzy matching eller merging.

Feilsøking og spesialtilfeller

Rader vises som tillagt og fjernet i stedet for endret

Kontroller nøkkelkolonnen først. Hvis nøkkelen er endret mellom filene, kan ikke Datablist behandle radene som samme datapost. Kontroller også filrekkefølgen. Hvis originalfilen og den oppdaterte filen er byttet om, blir tillagte og fjernede rader snudd.

For mange celler vises som endret

Gå gjennom sammenligningsalternativene. Aktiver fjerning av mellomrom hvis de ikke skal ha betydning, sammenlign uten skille mellom store og små bokstaver hvis kapitalisering er irrelevant, normaliser tomme verdier dersom blanke felt og plassholdere skal regnes som like, og kontroller kolonnekoblingen for felt som har fått nye navn.

Kolonnene har forskjellige navn

Bruk manuell kobling. Koble bare felt som betyr det samme. La irrelevante kolonner stå uten kobling hvis de ikke skal påvirke sammenligningen.

Duplikatnøkler vises

Se på duplikatnøkler som et signal om at dataene må kontrolleres. Resultatet kan fortsatt være nyttig, men duplikatnøkler betyr at den valgte identifikatoren ikke er unik nok. Rydd opp i kildefilene eller velg en sterkere nøkkel før du bruker antallene som grunnlag for en import.

Filen er treg eller forhåndsvisningen er begrenset

Store filer er avhengige av ytelsen til nettleseren og enheten. Bruk forhåndsvisningen til kontroll, og last deretter ned CSV-diffen når du trenger hele resultatet.

CSV-filen kan ikke leses

Se etter tekstfelt med anførselstegn som ikke er lukket, uvanlige skilletegn eller problemer med tegnkoding. Ett ødelagt felt med anførselstegn kan gjøre hele CSV-filen ugyldig.

Konklusjon

Den beste måten å sammenligne to CSV-eksporter på er å behandle dem som data, ikke tekst. Last opp den gamle filen som Original CSV og den nye som Updated CSV, velg en stabil nøkkel, koble sammen kolonnene, gå gjennom radstatusene og eksporter diffen.

Mitt standardoppsett er enkelt: full outer join, en stabil nøkkel, fjerning av overflødige mellomrom, normalisering av null-lignende verdier og en fullstendig diffeksport til den første gjennomgangen.

Du kan gjennomføre hele prosessen med Datablists CSV Diff-verktøy.

FAQ

Hvordan sammenligner jeg to CSV-filer på nett?

Åpne Datablists CSV Diff-verktøy, last opp den eldre filen som Original CSV og den nyere som Updated CSV, velg en nøkkelkolonne, gå gjennom resultatet og last ned CSV-diffen.

Kan jeg sammenligne CSV-filer etter ID, e-post, SKU eller EAN?

Ja. Bruk den felles identifikatoren som nøkkelkolonne. Gode nøkler er blant annet post-ID-er, e-postadresser, SKU-er, EAN-er, interne ID-er, bedrifts-ID-er og andre verdier som er stabile mellom eksportene.

Hva om radene står i forskjellig rekkefølge?

Bruk nøkkelbasert matching. Når radene matches etter en stabil nøkkel, trenger de ikke stå i samme rekkefølge i de to filene.

Kan jeg sammenligne CSV-filer med ulike kolonnenavn?

Ja. Koble sammen kolonnene manuelt når navnene er forskjellige. Du kan for eksempel koble customer_id i én fil til Customer ID i den andre hvis de representerer samme identifikator.

Hvilken join-type er best for en CSV-diff?

Bruk full outer join i den første kontrollen. Da ser du matchede, tillagte og fjernede rader. Bruk inner join bare når du er interessert i dataposter som finnes i begge filene.

Kan jeg ignorere mellomrom, store bokstaver eller tomme verdier?

Ja. Du kan fjerne mellomrom først og sist, sammenligne tekst uten skille mellom store og små bokstaver og behandle tomme eller null-lignende plassholdere som like. Jeg lar vanligvis fjerning av mellomrom og normalisering av tomme verdier være aktivert.

Kan jeg eksportere bare endrede rader?

Ja. Bruk resultattypen Changed rows når du trenger en kortere fil til gjennomgang. Jeg anbefaler likevel å eksportere hele diffen én gang først, slik at du kan validere sammenligningen.

Hva betyr added, removed, changed og unchanged?

added betyr at nøkkelen bare finnes i den oppdaterte CSV-filen. removed betyr at nøkkelen bare finnes i originalfilen. changed betyr at nøkkelen finnes i begge filene, men at koblede verdier er forskjellige. unchanged betyr at nøkkelen finnes i begge filene, og at de koblede verdiene er like.

Lastes CSV-filene opp til en server?

CSV-filene behandles og sammenlignes i nettleseren. Se på dette som et nettleserbasert sammenligningsverktøy, ikke som import til eller synkronisering med en Datablist collection.

Kan verktøyet sammenligne store CSV-filer?

Ja, men svært store filer er avhengige av ytelsen til nettleseren og enheten. Forhåndsvisningen er begrenset for å sikre god respons, mens den nedlastbare CSV-filen bygges fra hele resultatet.

Hva duplikatnøkler betyr i en CSV-diff

En nøkkel skal identifisere én datapost i hver fil. Hvis originalfilen har to rader med SKU-101, kobler verktøyet den første forekomsten til den første matchende raden i den oppdaterte filen og flagger duplikatnøkkelen. Flere rader i originalfilen vises som fjernet ved full eller left join, mens flere rader i den oppdaterte filen vises som lagt til ved full join. Statusene beskriver sammenligningen, ikke en bekreftet sletting eller opprettelse i forretningsdataene.

Jeg ville ha løst nøkkelproblemet før disse radene ble brukt som instruksjon for en import. To leverandørtilbud for samme SKU trenger for eksempel en nøkkel som kombinerer SKU og Supplier ID. Hvis radene er utilsiktede duplikater, bør du undersøke og slå dem sammen først. Ikke slett en rad bare for å få varselet til å forsvinne.

Sørg også for at nøkkelen har samme format i begge øyeblikksbildene. Hvis en identifikator endres fra 00101 til 101, kan den se ut som én fjernet og én tillagt datapost. Behold innledende nuller i kildeeksportene når de har betydning, og kjør deretter sammenligningen på nytt med riktig nøkkel og kolonnekobling.