Cómo preparar datos diversos para la importación: CSV, XLSX, JSON y NDJSON

Casi todo problema de importación empieza en el archivo: un separador distinto, una fecha en formato local, un número con coma, una columna con el nombre cambiado. Esta guía repasa los cuatro formatos que importa DeepMiner y muestra qué comprobar en cada uno antes de enviarlo.

Antes del archivo, el esquema

El esquema dice qué campos tiene el índice, de qué tipo es cada uno y qué campo identifica el registro. Definirlo antes evita importar una base que no sirve para las preguntas que vas a hacer.

En DeepMiner, la forma más rápida es pegar un registro de ejemplo en JSON y usar Inferir campos. Los tipos disponibles son texto, número, fecha, booleano, objeto y lista. Revisa el tipo de cada campo y marca el campo clave: con él, reimportar el mismo registro actualiza en lugar de duplicar. Los campos ya guardados pasan a solo lectura, y se pueden añadir campos nuevos después.

Los nombres de las columnas del archivo tienen que ser iguales a los nombres de los campos del esquema, con la misma grafía. Los nombres que empiezan por guion bajo están reservados.

CSV

El CSV es el formato más común y el que más varía. Comprueba:

• Cabecera en la primera línea, con los nombres de los campos.
• Un solo separador: punto y coma o coma. Si la cabecera tiene punto y coma, DeepMiner usa punto y coma para todo el archivo.
• Ningún separador dentro de los valores. Una dirección con coma en un CSV separado por comas rompe la línea en columnas de más. Prefiere el punto y coma como separador o quita el carácter del valor.
• Una línea por registro, sin saltos de línea dentro de un campo.
• Codificación UTF-8, para que los acentos lleguen bien.

XLSX

La hoja de cálculo resuelve parte de los problemas del CSV, porque cada celda ya es un valor separado. El cuidado está en la estructura: DeepMiner lee la primera hoja, usa la primera fila rellena como cabecera e importa las filas de debajo. Las filas totalmente vacías se ignoran.

Antes de exportar, quita los títulos, las filas de total y las celdas combinadas por encima de la cabecera, y deja los datos en la primera hoja.

JSON y NDJSON

Cuando el registro tiene estructura, como un cliente con una lista de pedidos, JSON y NDJSON conservan esa estructura sin aplanar columnas. El esquema del índice admite objetos y listas de objetos, y los campos de dentro pasan a ser campos anidados.

El JSON tiene que ser un array de objetos, cada objeto un registro. El NDJSON tiene un objeto completo por línea, sin coma entre las líneas y sin corchetes alrededor. Si una línea del NDJSON no es válida, la importación informa del número de la línea.

Los dos formatos siguen las especificaciones públicas citadas en las fuentes. Los archivos generados por bibliotecas estándar suelen ser correctos. Los generados a mano son los que más fallan.

Fechas, números y booleanos

Los valores se validan según el tipo del campo. Tres formatos evitan la mayor parte de los registros inválidos:

• Fechas en AAAA-MM-DD, como 2025-01-31. Los formatos locales pueden leerse con el día y el mes intercambiados.
• Números con punto como separador decimal y sin separador de millares: 1234.56.
• Booleanos como true o false, 1 o 0 (el producto también reconoce sim y não).

El registro con un valor inválido en un campo se importa con la marca de inválido y el mensaje del error, para que sepas qué campo corregir. El campo clave no puede quedar vacío.

Después de importar

La pantalla de importación muestra el total de registros, los procesados, los fallos y el estado, con el progreso actualizándose solo. El Historial de importación guarda cada archivo, el origen (archivo o API) y el informe de errores.

Revisa algunos registros en el índice antes de usar la base en flujos. Si algo ha salido mal, corrige el archivo e impórtalo de nuevo: con el campo clave, los registros se actualizan.

¿Quieres importar una muestra de tu base en la demostración? Reserva y trae un archivo con datos ficticios.