# Limpeza de Dados

Limpar e padronizar dados corrigindo erros de ortografia, padronizando formatos, removendo duplicatas e preenchendo valores ausentes

> Página canônica: https://test.elysiatools.com/pt/tools/data-cleaner

- **Categoria:** Data Processing

- **Palavras-chave:** dados, limpar, padronizar, formato, ortografia, corrigir, normalizar, duplicado, ausente

## Visão geral

A ferramenta de Limpeza de Dados permite higienizar e normalizar listas textuais, tabelas CSV, TSV, SSV ou arrays JSON em segundos. Com opções modulares para eliminar duplicatas, preencher campos ausentes, padronizar formatos de data e números, corrigir ortografia e ajustar maiúsculas e minúsculas, você transforma conjuntos de dados desorganizados em saídas estruturadas e prontas para análise.

## Entradas

- **Dados de Entrada** (textarea): Digite seus dados para limpar, um registro por linha...
- **Formato de Entrada** (select)
- **Corrigir Erros de Ortografia** (checkbox)
- **Padronizar Formatos de Dados** (checkbox)
- **Remover Registros Duplicados** (checkbox)
- **Preencher Valores Ausentes** (checkbox)
- **Remover Espaços em Branco** (checkbox)
- **Remover Registros Vazios** (checkbox)
- **Separador Personalizado** (text): Separador personalizado para formatos CSV/TSV/SSV
- **Formato de Saída** (select)
- **Incluir Relatório** (checkbox): Prepend a human-readable cleaning report before the data
- **Estilo de Caixa** (select)
- **Padronização de Formato de Data** (select)
- **Padronização de Formato Numérico** (select)

## Quando usar

- Ao preparar arquivos CSV ou TSV com registros duplicados e linhas vazias antes de importá-los para um banco de dados.
- Ao padronizar datas desiguais e formatos numéricos divergentes vindos de múltiplos formulários ou sistemas legados.
- Ao normalizar caixas de texto (como Title Case ou minúsculas) e remover espaços em branco excedentes de listas de contatos ou produtos.

## Como funciona

- Cole seu texto no campo de entrada e selecione o formato correspondente (linhas simples, CSV, TSV, SSV ou JSON).
- Ative as regras de higienização desejadas, como remoção de duplicatas, preenchimento de ausências, remoção de espaços e correções.
- Configure as preferências de formatação para datas, números, estilo de caixa (maiúsculas/minúsculas) e separadores personalizados.
- Escolha o formato de saída (CSV, tabela, JSON ou lista) e obtenha os dados limpos imediatamente com ou sem relatório descritivo.

## Casos de uso

- Higienização de listas de e-mails e contatos comerciais para remover espaços, duplicatas e unificar capitalização de nomes.
- Conversão e padronização de relatórios financeiros de formato CSV para JSON com números decimais e datas consistentes.
- Limpeza rápida de logs brutos e extrações de dados desformatadas para relatórios em tabela legível.

## Perguntas frequentes

### Quais formatos de entrada são suportados?

A ferramenta aceita texto linha por linha, CSV (separado por vírgula), TSV (tabulações), SSV (espaços) e arrays JSON.

### Como funciona o preenchimento de valores ausentes?

A opção 'Preencher Valores Ausentes' identifica campos vazios entre delimitadores e insere substitutos padronizados para manter a consistência estrutural.

### Posso converter a estrutura dos dados para outro formato na saída?

Sim, você pode entrar com dados em linhas ou CSV e exportar o resultado diretamente como CSV, tabela formatada, JSON ou lista simples.

### O que a opção 'Incluir Relatório' faz?

Ela insere um resumo legível no início do resultado detalhando as alterações aplicadas, como duplicatas removidas e linhas limpas.

### A padronização de datas altera todos os registros?

Sim, selecionando formatos como YYYY-MM-DD ou ISO 8601, a ferramenta converte as datas reconhecidas para o padrão escolhido.

## Ferramentas relacionadas

- [Removedor de Caracteres BOM](https://test.elysiatools.com/pt/tools/data-bom-remover): Remover caracteres BOM (Byte Order Mark) de conteúdo de texto e arquivos. Perfeito para limpar arquivos de texto com problemas de codificação.
- [Removedor de Colunas Duplicadas](https://test.elysiatools.com/pt/tools/duplicate-column-remover): Remover colunas duplicadas de dados CSV com estratégias flexíveis de detecção. Perfeito para limpar conjuntos de dados, remover informações redundantes e otimizar a estrutura de dados.
- [Removedor de Cabeçalhos](https://test.elysiatools.com/pt/tools/header-remover): Remover cabeçalhos de dados CSV para criar arquivos limpos sem cabeçalhos. Perfeito para importações de banco de dados, pipelines de processamento de dados.
- [Removedor de linhas duplicadas CSV](https://test.elysiatools.com/pt/tools/csv-deduplicate-rows): Envie um arquivo CSV ou cole texto CSV, remova linhas duplicadas com correspondencia exata ou difusa e baixe um CSV limpo.
- [Deduplicador de Dados CSV](https://test.elysiatools.com/pt/tools/data-deduplicator): Remove registros duplicados baseados em combinações de colunas
- [Limitador de Faixa de Dados](https://test.elysiatools.com/pt/tools/data-range-limiter): Limitar valores numéricos a faixas específicas através de recorte, filtragem ou marcação de valores fora da faixa. Perfeito para controle de qualidade de dados, limpeza de sensores, execução de regras de negócio e pré-processamento de dados. Recursos: - Recorte de faixa (recorta valores para limites mínimo/máximo) - Filtragem de faixa (remove linhas fora dos limites) - Marcação de faixa (marca valores modificados) - Configuração de faixa por coluna - Detecção automática de colunas numéricas - Múltiplas estratégias de processamento - Relatório detalhado de modificações - Análise estatística de alterações - Execução de regras de negócio Casos de Uso Comuns: - Validação e limpeza de dados de sensores - Preparação de entrada para machine learning - Controle e validação de qualidade de dados - Execução de restrições de negócio - Gerenciamento e controle de valores anômalos - Pipelines de pré-processamento de dados
- [Normalizador Z-Score](https://test.elysiatools.com/pt/tools/data-zscore-normalizer): Normalizar dados numéricos usando Z-Score (pontuação padrão) para transformar valores com média=0 e desvio padrão=1. Perfeito para análise estatística, pré-processamento de machine learning, detecção de anomalias e comparação de dados em diferentes escalas. Recursos: - Normalização Z-Score (média=0, desvio padrão=1) - Opção de Z-Score Robusto (usando mediana e MAD) - Escalonamento personalizado para faixa alvo - Seleção de múltiplas colunas - Detecção automática de tipo de dados - Processamento inteligente de valores ausentes - Preservação de colunas não numéricas - Resumo estatístico abrangente - Detecção e relatório de anomalias Casos de Uso Comuns: - Preparação de características para machine learning - Testes de hipóteses estatísticas - Detecção e remoção de anomalias - Comparação de dados em diferentes unidades - Pré-processamento para Análise de Componentes Principais (PCA)
- [Processador de Limites de Dados](https://test.elysiatools.com/pt/tools/data-boundary-processor): Ferramenta avançada de processamento de limites que identifica e gerencia valores mínimos e máximos em dados numéricos. Perfeita para validação de dados, verificação de intervalos, análise estatística e pré-processamento de dados.

## Exemplos

- [Exemplos de Linhas Duplicadas](https://test.elysiatools.com/pt/samples/text-duplicate-line-samples): Arquivos de exemplo com vários tipos de linhas duplicadas para testar ferramentas de remoção de duplicatas
- [Exemplos de Substituição de Regex](https://test.elysiatools.com/pt/samples/regex-replace): Coleção de padrões de substituição de regex comuns e úteis para transformação de texto e limpeza de dados
- [Processamento de Strings Windows - Exemplos C#](https://test.elysiatools.com/pt/samples/windows-string-processing-csharp): Exemplos abrangentes de processamento de strings C# para plataforma Windows incluindo manipulação, divisão, junção, expressões regulares e análise de texto
- [Exemplos CSV](https://test.elysiatools.com/pt/samples/csv-samples): Arquivos CSV de exemplo com vários tipos de dados, tamanhos e níveis de complexidade

## Conteúdo relacionado

- [Limpeza, conformação e normalização de dados tabulares](https://test.elysiatools.com/pt/hubs/tabular-data-cleanup-and-normalization): Leve dados tabulares bagunçados ao ponto de análise — funda as tabelas de origem numa só, tire as marcas de ordem de byte que quebram o casamento de colunas, guarde só as colunas necessárias, corrija grafia e formatos, trate os outliers por política e não por pânico, escale ou padronize os números e termine com limites de faixa e uma tabela cruzada de resumo.
