Extrator de texto delimitado

O CSV — Comma-Separated Values — é mais antigo do que a maioria das pessoas imagina. O formato existia antes de qualquer especificação formal: o FORTRAN II da IBM em 1958 já suportava certos tipos de entrada separada por vírgulas, e planilhas eletrônicas como o VisiCalc (1979) e mais tarde o Lotus 1-2-3 popularizaram o CSV como formato de exportação padrão. O RFC 4180, que define o tipo MIME `text/csv`, só foi publicado em 2005 — mais de quatro décadas depois de o formato estar em uso corrente. Esse longo período sem padronização explica por que até hoje existem variações irritantes de CSV no mundo real: arquivos com ponto e vírgula como delimitador (comuns em regiões onde vírgula é separador decimal, como na Europa), arquivos com ou sem cabeçalho na primeira linha, aspas como mecanismo de escape para vírgulas dentro de campos, codificações diferentes.

O Tab-Separated Values (TSV) ganhou muitos contextos justamente porque a tabulação raramente aparece em dados de texto natural — nomes, endereços e descrições frequentemente contêm vírgulas, mas quase nunca contêm tabs. Ferramentas UNIX clássicas como `awk`, `cut` e `paste` trabalham com texto delimitado por tabulação por padrão: `cut -d',' -f2 arquivo.csv` extrai a segunda coluna de um CSV; `awk '{print $2}'` extrai a segunda coluna de um TSV. Logs de servidores web, bancos de dados e aplicações usam uma variedade de delimitadores customizados — espaço, pipe (`|`), dois-pontos, ponto e vírgula — dependendo do domínio e da época em que foram projetados. Logs do Apache usam espaço. O arquivo `/etc/passwd` do Linux usa dois-pontos. Cada domínio tem suas convenções, e a extração de colunas específicas é uma operação cotidiana.

A situação de precisar de apenas uma coluna é incrivelmente comum no trabalho técnico real: você cola um trecho de log do servidor, uma exportação de CSV, uma saída de `ps aux` ou de `kubectl get pods` em um editor de texto e precisa extrair apenas um campo específico. Na linha de comando isso é trivial com `awk` ou `cut`, mas quando você está no meio de uma tarefa no navegador, abrir um terminal interrompe o fluxo. Esta ferramenta foi feita para esse momento: cole o bloco de texto, informe o delimitador e o índice da coluna desejada (começando em 1, como nas ferramentas UNIX), e obtenha o resultado imediatamente. Útil também para criar fixtures de teste: pegue uma coluna de um CSV exportado e use-a como entrada para outra ferramenta de processamento.

CSV — Comma-Separated Values — is older than most people realize. The format existed before any formal specification: IBM's FORTRAN II in 1958 already supported certain kinds of comma-separated input, and spreadsheet programs like VisiCalc (1979) and later Lotus 1-2-3 popularized CSV as the standard export format. RFC 4180, which defines the `text/csv` MIME type, was only published in 2005 — more than four decades after the format was in widespread use. That long period without standardization explains why so many irritating variations of CSV exist in the real world: files with semicolons as delimiters (common in regions where commas are used as decimal separators, such as most of Europe), files with or without a header row, double quotes as the escape mechanism for commas inside fields, varying encodings.

Tab-Separated Values (TSV) won in many contexts precisely because the tab character rarely appears in natural text data — names, addresses, and descriptions frequently contain commas, but almost never tabs. Classic UNIX tools like `awk`, `cut`, and `paste` work with tab-delimited text by default: `cut -d',' -f2 file.csv` extracts the second column of a CSV; `awk '{print $2}'` extracts the second column of a TSV. Web server logs, databases, and applications use a variety of custom delimiters — space, pipe (`|`), colon, semicolon — depending on the domain and the era they were designed in. Apache logs use spaces. Linux `/etc/passwd` files use colons. Each domain has its conventions, and extracting specific columns is a daily operation.

The need to extract just one column is incredibly common in real technical work: you paste a chunk of server log, a CSV export, a `ps aux` output, or a `kubectl get pods` listing into a text editor and need to pull out just one specific field. On the command line this is trivial with `awk` or `cut`, but when you are in the middle of a browser-based task, switching to a terminal breaks the flow. This tool is built for exactly that moment: paste the block of text, specify the delimiter and the desired column index (starting at 1, following UNIX tool conventions), and get the result immediately. Also useful for creating test fixtures: grab a column from an exported CSV and use it as input for another processing tool.

El CSV — Comma-Separated Values — es más antiguo de lo que la mayoría imagina. El formato existía antes de cualquier especificación formal: el FORTRAN II de IBM en 1958 ya admitía ciertos tipos de entrada separada por comas, y hojas de cálculo como VisiCalc (1979) y más tarde Lotus 1-2-3 popularizaron el CSV como formato de exportación estándar. El RFC 4180, que define el tipo MIME `text/csv`, no se publicó hasta 2005 — más de cuatro décadas después de que el formato estuviera en uso generalizado. Ese largo período sin estandarización explica por qué existen tantas variaciones del CSV en el mundo real: archivos con punto y coma como delimitador (habituales en regiones donde la coma se usa como separador decimal, como gran parte de Europa), archivos con o sin fila de cabecera, comillas dobles como mecanismo de escape para comas dentro de los campos, codificaciones distintas.

El Tab-Separated Values (TSV) se impuso en muchos contextos precisamente porque el carácter de tabulación raramente aparece en los datos de texto natural — los nombres, las direcciones y las descripciones contienen comas con frecuencia, pero casi nunca tabulaciones. Las herramientas clásicas de UNIX como `awk`, `cut` y `paste` trabajan con texto delimitado por tabulaciones por defecto: `cut -d',' -f2 archivo.csv` extrae la segunda columna de un CSV; `awk '{print $2}'` extrae la segunda columna de un TSV. Los logs de servidores web, bases de datos y aplicaciones usan una variedad de delimitadores personalizados — espacio, barra vertical (`|`), dos puntos, punto y coma — según el dominio y la época en que fueron diseñados. Los logs de Apache usan espacios. Los archivos `/etc/passwd` de Linux usan dos puntos. Cada dominio tiene sus convenciones, y extraer columnas específicas es una operación cotidiana.

La situación de necesitar solo una columna es increíblemente común en el trabajo técnico real: pegas un fragmento de log del servidor, una exportación CSV, una salida de `ps aux` o de `kubectl get pods` en un editor de texto y solo necesitas extraer un campo concreto. En la línea de comandos esto es trivial con `awk` o `cut`, pero cuando estás en medio de una tarea en el navegador, cambiar a una terminal interrumpe el flujo. Esta herramienta está pensada exactamente para ese momento: pega el bloque de texto, especifica el delimitador y el índice de columna deseado (empezando en 1, siguiendo la convención de las herramientas UNIX), y obtén el resultado de inmediato. También resulta útil para crear fixtures de prueba: toma una columna de un CSV exportado y úsala como entrada para otra herramienta de procesamiento.