Guías
Por qué Excel rompe los CSV UTF-8 y cómo lo corrige el BOM UTF-8
Evita que Microsoft Excel convierta acentos, eñes o texto chino, japonés y coreano en símbolos rotos añadiendo un BOM UTF-8 de 3 bytes en local.
Respuesta rápida: Excel en Windows abre los archivos `.csv` UTF-8 usando la página de códigos ANSI local cuando falta la marca de orden de bytes BOM (`0xEF 0xBB 0xBF`). Añadir el BOM UTF-8 y saltos `CRLF` localmente en memoria permite abrir CSV con tildes, eñes y caracteres CJK sin texto corrupto.
Por qué hacer doble clic en un CSV UTF-8 válido falla en Excel de Windows
Los paneles web modernos, scripts en Python pandas y exportaciones API guardan los archivos CSV en UTF-8 sin Marca de Orden de Bytes (BOM). Sin embargo, al abrir un `.csv` con doble clic en Excel para Windows, omite la detección UTF-8 si falta el BOM y aplica la página de códigos ANSI local (`Windows-1252`, `GBK`, `Shift-JIS` o `CP949`).
Como resultado, caracteres perfectamente válidos como `José`, `Müller`, `张伟` o `東京` se muestran de inmediato como mojibake ilegible estilo `José` o `å¼ ä¼Ÿ`.
- UTF-8 sin BOM funciona en Unix y VS Code, pero falla al abrirlo con doble clic en Excel.
- Excel inspecciona los primeros 3 bytes (`0xEF 0xBB 0xBF`) antes de decodificar filas.
- Los saltos CRLF (`\r\n`) de Windows también evitan que todo quede colapsado en una columna.
La firma de 3 bytes EF BB BF explicada
Anteponer la Marca de Orden de Bytes UTF-8 de 3 bytes (`0xEF 0xBB 0xBF`) exactamente en el byte 0 indica a Excel, LibreOffice Calc y Power BI que decodifiquen todo el flujo como UTF-8 estricto.
A diferencia de abrir el archivo en una hoja de cálculo y guardarlo manualmente (lo que suele borrar ceros a la izquierda en códigos postales o convertir IDs largos en notación científica), añadir el BOM a nivel de bytes mantiene intacta cada celda.
Raw UTF-8 bytes: E5 A7 93 E5 90 8D 2C E5 9F 8E E5 B8 82 -> Excel reads ANSI/GBK
With UTF-8 BOM: EF BB BF E5 A7 93 E5 90 8D 2C E5 9F 8E E5 B8 82 -> Excel renders 姓名,城市Cuando tu CSV en realidad viene en GBK, Big5 o Shift-JIS heredado
A veces el archivo no estaba en UTF-8: salió de un sistema ERP o banco en GB18030, Big5, Shift-JIS o EUC-KR, y tu script en Mac o Linux intenta leerlo como UTF-8.
TxtTo aplica primero validación estricta UTF-8 y luego análisis de bytes `chardet` con respaldos CJK regionales para decodificar los bytes originales antes de emitir el CSV con BOM UTF-8 listo para Excel.
¿Debes conservar el BOM para SQL o herramientas CLI en Unix?
Aunque Excel necesita el BOM UTF-8, herramientas como `psql`, `jq` o scripts Bash sencillos pueden leer `0xEF 0xBB 0xBF` como parte del nombre de la primera columna.
Cuando vayas a pasar archivos CSV de vuelta a pipelines Linux o control de versiones, usa CRLF a LF con Quitar BOM activado para dejar limpias las cabeceras.
Referencias
Preguntas frecuentes
¿Añadir el BOM UTF-8 altera valores de celdas o fórmulas?
No. La firma de 3 bytes EF BB BF se sitúa antes del primer carácter del archivo, así que Excel la retira al importar sin tocar números, fechas ni textos.
¿Por qué no usar siempre el asistente Datos -> Desde texto/CSV de Excel?
Corregir el archivo una sola vez con BOM UTF-8 permite que cualquier persona de tu equipo haga doble clic directo desde el Explorador o Finder sin ver caracteres rotos.
¿Se suben nombres de clientes o CSV financieros durante la reparación?
Nunca. La detección de codificación y la escritura del BOM ocurren 100% en la RAM de tu navegador sin peticiones a servidores.
Formatos relacionados
Comparativas relacionadas
Guías relacionadas
- Reparar texto roto en GBK, Big5, Shift-JIS y EUC-KR localmenteDiagnostica y recupera archivos de texto chinos, japoneses y coreanos con mojibake (GBK, GB18030, Big5, Shift-JIS, EUC-KR) a UTF-8 sin subirlos.
- Combinar y dividir CSV grandes en local sin colgar ExcelUne múltiples exportaciones CSV por nombre de columna o divide hojas pesadas en fragmentos con cabecera repetida y ZIP en memoria del navegador.
- Cómo enmascarar datos CSV y JSON antes de analizarlos con IAAnonimiza columnas CSV sensibles, escala ingresos proporcionalmente (×k) y oculta claves JSON anidadas en RAM local sin romper la sintaxis.