Comparer deux fichiers CSV et voir ce qui a changé

Le moyen le plus rapide de comparer deux fichiers CSV est de les coller tous les deux dans un outil de diff côte à côte, d'aligner les colonnes et de lire les lignes qu'il met en évidence. La comparaison, c'est la partie facile. C'est le bruit qui piège les gens : un export réordonné, un point-virgule au lieu d'une virgule, ou une valeur que quelqu'un a entourée de guillemets peuvent faire que deux fichiers contenant les mêmes données semblent n'avoir rien en commun.

Ce guide explique comment obtenir un diff CSV propre et fiable. Nous verrons pourquoi deux exports équivalents s'éloignent sur le papier, quelles méthodes valent la peine d'être connues, et un exemple concret que vous pouvez suivre. Si vous voulez juste l'outil, notre page de comparaison CSV fait tout cela dans le navigateur.

Pourquoi les fichiers CSV sont étonnamment difficiles à comparer

Le CSV paraît simple, mais il n'a pas de standard strict unique. Ce qui s'en rapproche le plus est la RFC 4180, et beaucoup de fichiers réels ne la suivent pas. Deux exports de la même table peuvent différer par le délimiteur, les guillemets, les fins de ligne et l'ordre des lignes tout en décrivant exactement les mêmes données. Un diff de texte brut n'en sait rien, alors il signale tout.

Voici la chose essentielle à décider avant de commencer : l'ordre des lignes vous importe-t-il ? Un export de base de données trié par nom et le même export trié par ID contiennent l'ensemble identique d'enregistrements, mais un diff de lignes peindra presque chaque ligne en rouge et vert. Si les lignes ont une clé stable (une colonne d'ID), trier d'abord les deux fichiers par cette clé rend le diff à nouveau lisible.

Ressemble à un changement, mais rarement

Ce que vous voyez dans le diff	Est-ce un vrai changement ?	Que faire
Lignes dans un ordre différent	Non, si les données sont le même ensemble	Triez les deux fichiers par une colonne clé
Délimiteur virgule vs point-virgule	Non, mêmes champs	Normalisez vers un seul délimiteur
Ada vs "Ada"	Non, les guillemets sont optionnels ici	Normalisez les guillemets
Fins de ligne CRLF vs LF	Non	Normalisez les fins de ligne
Une ligne vide à la fin	Non	Supprimez-la
La valeur d'une cellule a changé	Oui	Investiguez, c'est réel

La ligne du délimiteur piège beaucoup de monde, surtout entre régions : de nombreuses locales européennes utilisent le point-virgule parce que la virgule est le séparateur décimal. Mêmes données, séparateur différent. Si vous voulez le détail sur la façon dont les navigateurs et les outils lisent du texte tabulaire, la note de MDN sur la lecture de fichiers dans le navigateur est un bon point de départ.

Quatre façons de comparer le CSV et quand y recourir

Il n'y a pas de meilleure méthode unique. Cela dépend de la taille des fichiers et de l'importance de l'ordre des lignes. Voici comment se comparent les options courantes.

Méthode	Idéale pour	Effort	Comprend le CSV ?
Inspection visuelle	Fichiers minuscules, quelques lignes	Faible	Non, c'est vous le parser
Outil de diff en ligne	Vérifications rapides, coller de n'importe où	Faible	Ligne par ligne, oui
Application tableur	Revue visuelle, formules, filtrage	Moyen	Oui, mais manuel
Ligne de commande (sort, csvkit)	Gros fichiers, scripting, comparaisons par clé	Moyen	Oui, quand vous triez d'abord

Pour la plupart des gens, un outil de navigateur l'emporte sur la vitesse : rien à installer, et vous pouvez coller un export directement depuis un téléchargement ou un client de base de données. Le piège, c'est le bruit de l'ordre des lignes et du délimiteur, que nous traitons ensuite. Pour les très gros fichiers, csvkit en ligne de commande vaut la peine d'être appris.

La comparaison propre la plus rapide, étape par étape

Voici la routine que j'utilise quand on me tend deux exports en demandant « qu'est-ce qui est différent ? » Cela prend moins d'une minute.

1. Assurez-vous que les deux fichiers utilisent le même délimiteur et ont la même ligne d'en-tête.
2. Si l'ordre des lignes n'importe pas, triez d'abord les deux fichiers par une colonne clé.
3. Ouvrez l'outil de comparaison CSV.
4. Collez l'original à gauche, la nouvelle version à droite.
5. Lisez le résultat. Le vert est une ligne ajoutée, le rouge une ligne supprimée, et une cellule modifiée apparaît comme une de chaque couleur.

L'étape deux est toute l'astuce quand les lignes ne sont pas ordonnées. Une fois les deux fichiers triés de la même façon, il ne reste à mettre en évidence que les lignes qui ont réellement changé. Notre moteur de diff repose sur le diff-match-patch de Google, qui compare ligne par ligne d'abord pour rester rapide même sur les longs fichiers.

Un exemple concret

Supposons que vous examinez une modification d'une table d'utilisateurs. Voici l'avant :

id,name,role,seats
7,Ada Lovelace,editor,3
8,Alan Turing,viewer,1

Et voici l'après, exporté dans un ordre de lignes différent :

id,name,role,seats
8,Alan Turing,viewer,1
7,Ada Lovelace,admin,5

Jetez-les dans un diff de lignes brut et les deux lignes de données semblent modifiées, parce qu'elles ont échangé leur position. Triez les deux par la colonne id, et la véritable histoire est courte :

Ce qui a vraiment changé

Ligne (par id)	Colonne	Avant	Après	Changement
7	role	editor	admin	Modifié
7	seats	3	5	Modifié
8	—	—	—	Aucun changement (déplacé seulement)

Une seule vraie modification : le rôle et le nombre de sièges d'Ada ont changé. La ligne d'Alan a seulement été déplacée. Cette promotion d' editor à admin est exactement le genre de chose que vous voulez repérer en revue, et c'est facile à manquer quand c'est enseveli sous des lignes que le diff a signalées à tort comme modifiées.

Éliminer le bruit de l'ordre des lignes en ligne de commande

Si vos fichiers sont déjà sur le disque et que les lignes n'ont pas d'ordre inhérent, la même idée de « trier d'abord » fonctionne avec deux commandes courtes. Gardez l'en-tête en place et triez le reste :

(head -1 old.csv; tail -n +2 old.csv | sort) > old.sorted.csv
(head -1 new.csv; tail -n +2 new.csv | sort) > new.sorted.csv
diff old.sorted.csv new.sorted.csv

Maintenant diff ne signale que les lignes réellement modifiées, parce que les deux fichiers sont dans le même ordre. Pour des comparaisons par clé qui ignorent aussi l'ordre des colonnes, csvsort et csvjoin de csvkit vous donnent plus de contrôle. C'est l'équivalent en terminal du tri des deux côtés avant de comparer dans le navigateur.

Délimiteurs, guillemets et la réalité désordonnée

Les vrais fichiers CSV enfreignent les règles en permanence. Un champ qui contient une virgule doit être entre guillemets, donc "Lovelace, Ada" est un champ, pas deux. Les guillemets à l'intérieur d'un champ entre guillemets sont doublés : "Elle a dit ""salut""". Et le séparateur lui-même varie : les tableurs dans les locales à virgule décimale exportent avec des points-virgules, et les fichiers séparés par des tabulations (TSV) sont courants dans les pipelines de données. Avant de comparer, assurez-vous que les deux fichiers utilisent le même délimiteur et la même convention de guillemets, ou normalisez-les avec un parser qui suit la RFC 4180. Sinon le diff compare deux dialectes différents, pas deux versions des mêmes données.

Pièges courants à surveiller

Piège	Pourquoi ça mord	Solution
Délimiteurs non concordants	Virgule vs point-virgule fait paraître chaque champ différent	Normalisez vers un seul délimiteur d'abord
BOM au début	Une marque d'ordre des octets cachée change la première cellule d'en-tête	Retirez le BOM avant de comparer
IDs avec zéros en tête	Un tableur peut avoir transformé 007 en 7	Gardez les colonnes d'ID en texte ; comparez comme chaînes
Sauts de ligne intégrés	Un champ entre guillemets peut contenir un saut de ligne, décalant chaque ligne suivante	Utilisez un vrai parser CSV, pas une division par lignes
Espaces en fin de cellule	Des espaces invisibles apparaissent comme un changement	Coupez les valeurs des cellules avant de comparer

Quand un tableur est le meilleur outil

Un diff de texte est parfait pour repérer quelles lignes ont changé et examiner le changement comme des données. Mais si vous devez filtrer, faire un tableau croisé ou comparer par formule sur des milliers de lignes, un tableur convient mieux : importez les deux fichiers, alignez-les par clé et utilisez une recherche pour signaler les écarts. Les deux approches se complètent. Utilisez le diff pour une lecture visuelle rapide et le tableur quand vous devez découper les données. Pour les règles du format sous-jacent dans les deux cas, l' aperçu du CSV sur Wikipedia est une référence solide.

Outils connexes

Le CSV est rarement le seul format que vous manipulez. Si les mêmes données vivent aussi en JSON, comparer JSON applique la même idée. Dédupliquer une colonne de valeurs est rapide avec supprimer les lignes en double, et mettre les lignes dans un ordre prévisible avant un diff, c'est à quoi sert trier les lignes.