CSV en chino en Excel: UTF-8, GBK y texto ilegible

Si un CSV chino se abre con símbolos ilegibles, conserva primero una copia sin modificar. El archivo puede contener bytes de texto válidos que Excel ha interpretado con una codificación equivocada. Guardar el texto corrupto sobre el original puede dificultar su recuperación.

Un CSV almacena texto y separadores. Su nombre no identifica de forma fiable la codificación y no conserva el mismo formato de hoja que un libro de Excel. Leer correctamente los bytes es el primer paso; mantener códigos y fechas en la hoja es otro paso distinto.

Elegir la codificación del archivo original

UTF-8 se utiliza ampliamente en el intercambio de texto moderno. Algunas exportaciones antiguas de China continental emplean GBK u otra codificación china relacionada, mientras que ciertos archivos en chino tradicional usan Big5. Una frase con caracteres tradicionales no demuestra por sí sola que se use Big5: los archivos Unicode pueden contener ambas escrituras.

Cuando sea posible, pregunta al remitente qué codificación utiliza al exportar. Si no lo sabe, prueba las opciones en la vista previa y examina palabras reales, nombres poco comunes y puntuación. Que el decodificador acepte los bytes sin errores no demuestra que la selección sea correcta.

Usar la vista previa de importación

En lugar de depender del doble clic, utiliza la importación de texto o CSV de Excel. En las versiones de escritorio actuales suele encontrarse en la pestaña Datos, mediante una opción de importación de texto/CSV. Selecciona la codificación de origen y el delimitador, y revisa la vista previa antes de cargar la tabla. Los nombres de los menús pueden variar según versión e idioma.

La marca de orden de bytes de UTF-8, o BOM, puede ayudar a Excel a reconocer UTF-8 al abrir directamente un archivo. Es una firma de codificación al principio del archivo, no parte del nombre de la primera columna. Algunos sistemas posteriores prefieren UTF-8 sin BOM, por lo que debes elegir lo que espera la siguiente aplicación.

Convertir una vista legible a UTF-8

1. Abre una copia de hasta 5 MB en el convertidor de codificación de archivos chinos.
2. Selecciona la codificación de origen real y lee la vista previa.
3. Comprueba varios nombres o descripciones chinos, no solo los encabezados.
4. Exporta a UTF-8 y elige BOM cuando corresponda para la aplicación receptora.
5. Vuelve a abrir el archivo exportado y compara filas representativas con el original.

Cambiar la extensión del nombre o añadir BOM no transforma bytes GBK en bytes UTF-8. La conversión debe decodificar primero el texto de origen correctamente y después codificar ese texto en el formato de destino.

Proteger ceros iniciales y códigos largos

Aunque el chino ya se vea correctamente, Excel puede interpretar un código como número o fecha. Configura las columnas correspondientes como texto durante la importación. Un identificador como 001234 debe conservar sus seis caracteres; mostrarlo como 1234 supone perder información.

Las diferencias entre ancho completo y medio ancho también pueden afectar a las coincidencias. Si un archivo contiene Ａ１２３ y otro A123, aplica una conversión de ancho deliberada a ese campo. Esto no repara un problema de codificación y no debe aplicarse indiscriminadamente al texto.

Distinguir tres síntomas habituales

Estos problemas pueden coincidir, pero sus causas son distintas. Elegir UTF-8 no separará por sí solo un archivo delimitado por punto y coma si el importador espera comas. Seleccionar un delimitador no recuperará caracteres chinos mal decodificados. Definir una columna como texto protege identificadores, pero no determina la codificación original.

Revisa la vista previa en este orden: texto legible, límites de campos correctos y tipos de columna adecuados. Usa algunas filas con chino, un código que empiece por cero y un campo con puntuación. Una cabecera formada solo por letras ASCII puede verse bien con varias codificaciones, por lo que no basta para validar el resto del archivo.

Conservar una pequeña muestra de comparación

Para un archivo de prueba ilustrativo, utiliza tres campos: nombre, código y nota. El nombre puede ser 李明, el código 001234 y la nota una frase breve en chino. Es contenido de prueba, no un registro de cliente real. Guarda el texto esperado junto al archivo para comparar los mismos valores después de cada importación o exportación.

Si un campo contiene el delimitador del archivo o un salto de línea interno, el programa que genera el CSV debe entrecomillarlo correctamente. Por ello, el número de líneas no siempre coincide con el de filas: una celda entre comillas puede contener un salto de línea. Compara las filas y columnas realmente interpretadas, en vez de dar por completo el archivo porque su número de líneas visibles parezca razonable.

Después de convertirlo a UTF-8, vuelve a abrir el nuevo archivo seleccionando UTF-8 explícitamente y compara los valores de muestra. Prueba después la importación en la aplicación que lo recibirá de verdad. Un archivo puede estar bien codificado y aun así usar un delimitador o un orden de columnas inesperado para ese proceso.

Elegir la salida para el siguiente paso

UTF-8 con BOM resulta útil en algunos procesos de apertura directa en Excel, porque la firma facilita reconocer la codificación. Otro importador puede esperar UTF-8 sin BOM. Ninguna opción es universalmente mejor: utiliza el formato indicado por la siguiente aplicación y compruébalo con las mismas filas representativas.

Una BOM no repara texto que ya se decodificó mal antes de exportar. Si la vista previa muestra caracteres incorrectos, detente antes de guardar y corrige la selección de origen. Añadir una firma UTF-8 a esos caracteres solo identificaría un archivo nuevo que seguiría conteniendo texto equivocado.

Si necesitas conservar fórmulas, varias hojas, estilos de celda o estructuras complejas, un CSV no sustituye a un libro de cálculo. Mantén el libro como documento de trabajo cuando esas funciones importen y exporta un CSV para el paso concreto de transferencia. Así no confundirás una conversión de texto correcta con la conservación de todas las funciones de la hoja.

Reconocer información perdida

Si el archivo guardado ya contiene caracteres de sustitución o signos de interrogación literales donde antes había chino, otra codificación quizá no lo restaure. Regresa a un original sin modificar o solicita una nueva exportación. Un convertidor puede reinterpretar bytes existentes; no puede reconstruir texto sobrescrito que ya no está presente.