Sanitize CSV : nettoyer, normaliser et sécuriser vos fichiers

Qu'est-ce que sanitize csv ?

C'est l'ensemble des pratiques qui rendent vos CSV sûrs, lisibles et compatibles entre outils (ERP, BI, tableurs, ETL).

Les axes essentiels du sanitation CSV :

1 Délimiteurs et séparateurs

Choisir et documenter le séparateur de colonnes, stable dans tout le pipeline.

Virgule (,), point-virgule (;), tabulation (\t)

2 Guillemets et échappement

Encadrer et échapper correctement les champs contenant séparateur, guillemets ou retour à la ligne.

" devient "" à l'intérieur d'un champ entre guillemets

3 Encodage et marqueurs

Uniformiser l'encodage et gérer les marqueurs parasites.

UTF-8 sans BOM pour éviter les surprises

U+FEFF (BOM) au début d'un CSV casse certains parsers

CRLF vs LF : cohérence des retours de ligne

Normalisation des caractères spéciaux et accents

4 Sécurité et contenu

Empêcher l'exécution involontaire et filtrer les caractères indésirables.

Neutraliser =, +, -, @ en début de cellule (injection Excel)

Supprimer caractères de contrôle non nécessaires

Limiter la longueur des champs et normaliser les espaces

Problèmes classiques

Copier-coller depuis un tableur

Ajoute des guillemets courbes, des retours cachés ou des formules qui perturbent l'import.

Exports/imports incohérents

Un outil attend ; quand l'autre émet , : le comptage des colonnes diverge.

split(',') inefficace

Ignore les champs entre guillemets, les échappements et les retours de ligne.

Regex CSV approximatives

Ne couvrent pas tous les cas (quotes doubles, champs multilignes, échappement).

Exemple de problème courant :

# Lignes CSV qui paraissent valides mais cassent l'analyse

line1 = "id,name,city"

line2 = "42,""Alice, Inc."",Paris" # virgule dans le nom, guillemets échappés

assert split(line2, ",").length == 3 # ❌ Faux : 5 colonnes avec split naïf

Symptômes qui doivent vous alerter

🚨 Signaux d'alarme

!

Un import CSV annonce "wrong number of fields" alors que tout semble aligné

!

Des colonnes se décalent dès qu'un champ contient une virgule ou un retour à la ligne

!

Excel interprète une valeur comme une formule (= + - @) au lieu de texte

!

Les sauts de ligne d'une cellule "coulent" sur plusieurs lignes du fichier

!

Un outil "voit" un BOM/encodage différent et refuse le fichier

Comment les détecter

✨ Solution recommandée : Clean ASCII

Clean ASCII repère et explique les problèmes fréquents de CSV : encodage, BOM, délimitation, guillemets, retours de ligne et caractères indésirables. Il met en évidence les positions problématiques et propose des corrections sûres pour un sanitize CSV fiable.

✅ Détection automatique

Délimiteurs, quotes, BOM, CRLF/LF, caractères de contrôle et injections Excel

📊 Analyse complète

Positions exactes, colonnes attendues, anomalies par ligne, recommandations

🧹 Nettoyage automatique

Échappement des guillemets, normalisation EOL, neutralisation des formules

💾 Export propre

Téléchargement du CSV assaini avec séparateur et encodage uniformes

🔍 Assainir mon CSV

Autres méthodes de détection

Affichage dans l'éditeur

✓ Activez l'affichage des EOL et tabulations, vérifiez l'encodage UTF-8

✓ Installez une extension CSV qui colore les colonnes et signale les lignes invalides

En ligne de commande (Unix)

# Compter les colonnes par ligne (séparateur ,)

awk -F, '{print NF}' fichier.csv | sort -n | uniq -c

# Repérer les lignes avec un nombre de champs inattendu (ex. 5)

awk -F, 'NF!=5{print NR ":" $0}' fichier.csv

# Détecter un BOM UTF-8 en tête de fichier

head -c3 fichier.csv | hexdump -C

# Visualiser les fins de ligne (CRLF/LF)

sed -n l fichier.csv

En code

JavaScript

row.map(v => `"${String(v).replace(/"/g,'""')}"`).join(',')

Python

','.join(f'"{str(c).replace("\"","\"\"")}"' for c in row)

Excel / Google Sheets

="""" & SUBSTITUTE(A1; """"; """""" ) & """"

Nettoyer et prévenir

🚀 Solution rapide avec Clean ASCII

Avant d'écrire vos scripts, utilisez Clean ASCII pour sanitizer votre CSV immédiatement et de manière sûre :

✓ Détection automatique

✓ Échappement et normalisation

✓ Export immédiat

Assainir maintenant

Méthodes techniques avancées

🔧 Normaliser

✓ Fixez un séparateur unique (ex: ,) et un quoteChar (") dans tout le pipeline

✓ Convertissez tout en UTF-8 sans BOM pour éviter les entêtes invisibles

✓ Unifiez les retours de ligne (LF) et forcez via gitattributes

🧹 Filtrer

✓ Écrivez des fonctions sanitize_csv_row() qui échappent " et encadrent les champs

✓ Neutralisez les débuts de cellule dangereux (= + - @) en préfixant d'un apostrophe

✓ Bloquez les caractères de contrôle hors LF/CR/HT et normalisez les espaces

⚙️ Automatiser

✓ Hooks pre-commit pour refuser des CSV non conformes (colonnes, EOL, encodage)

✓ Tests sur les uploads utilisateurs avec un parser robuste (pas de split(',')

✓ Linting CSV dans la CI (csvlint, validation du schéma et du nombre de champs)

Checklist rapide

CSV en UTF-8 sans BOM

Retours de ligne uniformes via gitattributes

Délimiteur et quoting clairement définis et documentés

Fonction de sanitation CSV (échappement des guillemets, neutralisation des formules)

Tests vérifiant le nombre de colonnes et l'absence de caractères de contrôle indésirables

Documentation d'échange CSV (séparateur, encodage, EOL, quoting)

Conclusion

Sanitize CSV évite des heures perdues entre imports ratés et colonnes décalées. Un CSV propre circule sans friction entre tous les outils.

Standardisez encodage, délimiteurs et quoting, détectez les anomalies tôt et neutralisez les contenus risqués : vos échanges deviennent fiables et reproductibles.

Sanitize CSV : nettoyer, normaliser et sécuriser vos fichiers CSV