Limpiar archivo.csv de caracteres corruptos en UTF-8
Si archivo.csv se supone que está en UTF-8 pero tiene errores, puedes limpiarlo así:
1. Borrar caracteres corruptos en UTF-8:
iconv -f utf-8 -t utf-8//IGNORE archivo.csv -o archivo_limpio.csv
Esto:
- Trata el archivo como UTF-8.
- Elimina caracteres inválidos.
- Guarda el resultado limpio en
archivo_limpio.csv.
2. Verifica que el archivo limpio esté en UTF-8:
file -i archivo_limpio.csv
Debe mostrar algo como:
archivo_limpio.csv: text/plain; charset=utf-8
3. Opcional: Eliminar saltos de línea estilo Windows (CRLF)
dos2unix archivo_limpio.csv
Esto convierte las líneas al estilo Linux (LF).
4. (Opcional) Buscar líneas con caracteres especiales no ASCII
grep -P -n '[^\x00-\x7F]' archivo_limpio.csv
Esto te mostrará las líneas con caracteres fuera del rango ASCII, como acentos, eñes, símbolos, etc.