Michael
318b9b45dc
Adds README.es.md, docs/README.es.md, docs/USER-GUIDE.es.md, and docs/CLI-REFERENCE.es.md mirroring the English client-facing set. Each English doc gains a one-line language-switch banner pointing at its Spanish counterpart; the docs index advertises both language sets in the buyer-facing section. Internal docs (TECHNICAL, DECISIONS, REQUIREMENTS, BUSINESS, RECOVERY) stay English-only by design — they don't ship with the product. The CLI itself emits English only, so CLI-REFERENCE.es.md notes that flags and values are language-invariant while translating the prose. Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
94 lines
5.1 KiB
Markdown
94 lines
5.1 KiB
Markdown
> 🌐 **Idioma:** Español · [English](README.md)
|
||
|
||
# DataTools
|
||
|
||
Limpieza local de CSV / Excel. CLI + GUI en el navegador, sin nube, sin ceremonias de instalación. La GUI incluye paquetes de idioma en inglés y español.
|
||
|
||
## Herramientas
|
||
|
||
| # | Herramienta | Estado |
|
||
|---|------|--------|
|
||
| 01 | **Eliminador de duplicados** — coincidencia exacta + difusa, 5 normalizadores, reglas de superviviente, auditoría | Listo |
|
||
| 02 | **Limpiador de texto** — espacios, caracteres tipográficos, BOM, finales de línea, mayúsculas/minúsculas | Listo |
|
||
| 03 | **Estandarizador de formatos** — fechas, teléfonos, correos, direcciones, nombres, monedas, booleanos | Listo |
|
||
| 04 | **Gestor de valores faltantes** — detección de nulos disfrazados, perfil, media/mediana/moda/ffill/bfill/interpolación, estrategias de descarte | Listo |
|
||
| 05 | **Mapeador de columnas** — autodetección difusa de renombrados, esquema objetivo con coerción de tipos, campos requeridos con valores por defecto, descartar/reordenar | Listo |
|
||
| 06 | Detector de valores atípicos | Próximamente |
|
||
| 07 | Combinador de varios archivos | Próximamente |
|
||
| 08 | Validador e informes | Próximamente |
|
||
| 09 | **Ejecutor de canalizaciones** — encadena herramientas en un orden recomendado (no forzado), guarda/carga JSON, automatiza limpiezas semanales | Listo |
|
||
|
||
## Descarga (usuarios no técnicos)
|
||
|
||
Instaladores precompilados — no se requiere Python:
|
||
|
||
| Plataforma | Descarga | Nota de primer arranque |
|
||
|---|---|---|
|
||
| **macOS** | `DataTools-X.Y.Z-mac.dmg` | Arrastra DataTools.app a /Applications y haz doble clic. |
|
||
| **Windows** | `DataTools-X.Y.Z-win-setup.exe` | Ejecuta el instalador; se inicia desde el menú Inicio. |
|
||
| **Linux** | `DataTools-X.Y.Z-linux-x86_64.AppImage` | `chmod +x` al archivo y luego doble clic. |
|
||
|
||
Última versión: consulta [GitHub Releases](https://git.invixiom.com/giteadmin/datatools-dev/releases) (o el listado de Gumroad). Los instaladores ocupan ~150–200 MB; el lanzador arranca un servidor local en http://127.0.0.1:8501 y abre tu navegador. Nada se envía a la nube.
|
||
|
||
## Instalar desde el código (desarrolladores)
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
Requiere Python 3.10+.
|
||
|
||
## Ejecutar
|
||
|
||
**GUI** (recomendado):
|
||
```bash
|
||
streamlit run src/gui/app.py
|
||
```
|
||
|
||
**CLI** — siete puntos de entrada:
|
||
```bash
|
||
python -m src.cli customers.csv [--apply] # deduplicación
|
||
python -m src.cli_text_clean messy.csv [--apply] # limpieza de texto
|
||
python -m src.cli_format intl.csv [--apply] # estandarización de formatos (auto-stream si >100 MB)
|
||
python -m src.cli_missing holes.csv [--apply] # valores faltantes
|
||
python -m src.cli_column_map vendor.csv [--apply] # mapeador de columnas
|
||
python -m src.cli_pipeline any_file.csv [--apply] # encadena herramientas de extremo a extremo
|
||
python -m src.cli_analyze any_file.csv [--json] # solo escanea
|
||
```
|
||
|
||
Cada CLI ejecuta solo previsualización por defecto; añade `--apply` para escribir la salida.
|
||
|
||
## Idioma
|
||
|
||
La barra lateral de la GUI tiene un selector de idioma. Se incluyen paquetes para **English** y **Español** (`src/i18n/packs/`); la elección persiste durante la sesión. Para añadir un idioma: coloca un `<código>.json` junto a `en.json` reproduciendo el árbol de claves, y luego añádelo a `LANGUAGES`. Ver [Guía del desarrollador §i18n](docs/DEVELOPER.md#i18n--language-packs) (solo en inglés).
|
||
|
||
## Verificación de Revisar y Normalizar
|
||
|
||
Cada archivo subido pasa por una verificación de normalización CSV antes de que cualquier herramienta lo toque. El analizador detecta ~15 tipos de problemas (espacios, caracteres NBSP / de ancho cero, BOM, codificación, puntuación tipográfica, encabezados sucios, centinelas nulos, mojibake, …) etiquetados por **confianza** (alta / media / baja) y **acción de corrección**. La GUI muestra cada hallazgo con Corregir auto / Saltar / Personalizar, una previsualización antes/después en vivo, y un selector para anular la codificación. Las páginas de herramientas se niegan a cargar hasta que se pase la verificación.
|
||
|
||
## Salida
|
||
|
||
Cada ejecución escribe:
|
||
|
||
- `{input}_<tool>.csv` — los datos limpios
|
||
- `{input}_changes.csv` (limpiador de texto) o `{input}_match_groups.csv` (duplicados) — pista de auditoría
|
||
- `logs/<tool>_YYYYMMDD_HHMMSS.log` — registro de depuración de la ejecución
|
||
|
||
El archivo de entrada original nunca se modifica.
|
||
|
||
## Documentación
|
||
|
||
- [Guía del usuario](docs/USER-GUIDE.es.md) — instalación, flujo de la GUI, verificación
|
||
- [Referencia de la CLI](docs/CLI-REFERENCE.es.md) — cada bandera con recetas
|
||
- [Requisitos](docs/REQUIREMENTS.md) — tamaños de archivo, codificaciones, detectores, objetivos de rendimiento (solo en inglés)
|
||
- [Técnico](docs/TECHNICAL.md) — arquitectura, internos de la verificación, registro de correcciones (solo en inglés)
|
||
- [Guía del desarrollador](docs/DEVELOPER.md) — añadir correcciones / detectores / estandarizadores (solo en inglés)
|
||
|
||
## Dependencias
|
||
|
||
`pandas`, `openpyxl`, `rapidfuzz`, `phonenumbers`, `typer`, `loguru`, `charset-normalizer`, `streamlit`. Opcional: `ftfy` para reparación de mojibake.
|
||
|
||
## Licencia
|
||
|
||
Propietaria.
|