Cómo reemplazar por lotes varios archivos de Excel según un patrón numérico? Métodos de coincidencia con expresiones regulares y enmascaramiento de datos

Los números de cliente, códigos de institución o códigos de región en varios archivos de Excel suelen tener contenidos diferentes, pero con el mismo prefijo y número de dígitos. Ante este tipo de datos, introducir uno a uno los números completos para reemplazarlos resulta muy ineficiente. Este artículo, basado en un ejemplo de libro de trabajo xlsx, explica cómo importar archivos por lotes en HeSoft Doc Batch Tool , limitar el alcance del procesamiento del texto de las celdas, utilizar fórmulas como 030\d{3} y 46\d{3} para reglas de búsqueda difusa, y reemplazar los dos tipos de códigos por los valores especificados respectivamente. El artículo también describe los efectos antes y después del procesamiento, la correspondencia línea por línea de las reglas, las diferencias entre tipos de datos, los riesgos de las celdas con fórmulas, así como los métodos de prueba y copia de seguridad antes del procesamiento formal.

En el enmascaramiento de datos, la migración de sistemas, la preparación de entornos de prueba y la estandarización de informes, a menudo es necesario modificar los números en un lote de archivos de Excel. La dificultad radica en que estos números normalmente no son exactamente el mismo texto fijo, sino que comparten el mismo prefijo y difieren en los últimos dígitos. Por ejemplo, en un mismo libro de trabajo pueden aparecer números de organización como 030006, 030010, 030064, y en otro libro pueden aparecer aún más códigos que empiezan por 030. Si se copian los números uno por uno y se reemplazan, no solo resulta lento, sino que también pueden omitirse por la gran cantidad de archivos y hojas de cálculo.

Este artículo presenta un método más adecuado para el procesamiento por lotes en la oficina: utilizar la función de «Buscar y reemplazar palabras clave en Excel» de HeSoft Doc Batch Tool para describir el patrón de los números mediante expresiones regulares con caracteres comodín y, a continuación, procesar varios archivos xlsx de una vez. En el ejemplo se reemplazará el contenido que empieza por 030 seguido de tres dígitos por 111111, y el contenido que empieza por 46 seguido de tres dígitos por 22222. Después de leerlo, podrá comprender el flujo completo de este tipo de tareas de reemplazo por lotes de números en Excel y los puntos clave de verificación.

1. Escenarios aplicables: reemplazo de números, migración de códigos y enmascaramiento de datos en Excel

Este método es adecuado para escenarios en los que el contenido objetivo presenta un patrón evidente, especialmente para los siguientes trabajos:

• Antes de enviar listas de Excel al exterior, ocultar de forma unificada los números de organización, los números de cliente o los códigos internos de negocio;
• Al migrar de un sistema antiguo a uno nuevo, convertir por lotes los códigos antiguos de varios libros de trabajo a códigos nuevos o valores temporales de marcador de posición;
• Al preparar materiales de formación, datos de demostración y muestras de prueba, sustituir los números reales por números ficticios;
• Cuando varios departamentos mantienen registros xlsx por separado y es necesario modificar de forma unificada un tipo de código con un prefijo determinado;
• Cuando se guardan numerosos informes por trimestre, mes o región y es necesario ejecutar las mismas reglas de reemplazo en varios archivos.

Hay que tener en cuenta que el ejemplo muestra el reemplazo de texto de celdas según reglas. Que el enmascaramiento de datos cumpla los requisitos de seguridad reales también depende de las reglas de reemplazo, la gestión de los archivos de salida y las políticas de la organización. En el caso de los datos confidenciales, no solo debe prestarse atención a «si se han reemplazado», sino también comprobar si hay omisiones, hojas ocultas u otras ubicaciones en las que se siga conservando la información original.

2. Vista previa de resultados: cambios en los números antes y después del reemplazo por reglas

1. Antes del procesamiento: contenido distinto en el mismo tipo de número, pero con el mismo formato

En la hoja de cálculo original de Excel, la columna Hospital CCN contiene varios números de seis dígitos. En el área marcada de la captura se pueden ver contenidos como 030006, 030010, 030011, 030064 y 030074. Sus tres últimos dígitos son diferentes, pero todos cumplen la estructura de «030 más tres dígitos». En la columna CBSA aparece repetidamente 46060, que corresponde a la estructura de «46 más tres dígitos».

Si se empleara una búsqueda exacta, habría que enumerar cada número CCN por separado. Con la búsqueda difusa mediante fórmulas, basta con describir con una sola expresión los números del mismo tipo para cubrir varios valores diferentes.

2. Después del procesamiento: las distintas categorías se reemplazan por sus respectivos valores objetivo

En el libro de trabajo de salida, las celdas que originalmente cumplían la regla del número 030 se muestran de forma uniforme como 111111, y las que cumplían la regla del número 46 se muestran de forma uniforme como 22222. Las demás filas que no coinciden con ninguna regla conservan su valor original, y los nombres de hospital y de región tampoco cambian por esta regla.

Por el resultado se puede observar claramente que se utilizaron dos correspondencias independientes de búsqueda y reemplazo para los dos tipos de números. Para lograr este efecto en una tarea por lotes, la clave está en seleccionar el rango de procesamiento correcto, activar la búsqueda difusa mediante fórmulas y asegurarse de que las reglas de la izquierda y la derecha se correspondan fila por fila.

3. Pasos de operación: crear una tarea de reemplazo de números en varios archivos

Paso 1: seleccionar la función correspondiente en la herramienta de Excel

Inicie HeSoft Doc Batch Tool y, en el panel de navegación izquierdo, entre en «Herramientas de Excel». El panel principal de la herramienta incluye varias funciones como contraseñas de Excel, exportación de imágenes y conversión de formatos; en esta ocasión debe elegir la primera opción, «Buscar y reemplazar palabras clave en Excel».

Una vez dentro de la función correcta, aparecerán cuatro fases de tarea en la parte superior: seleccionar los registros que se van a procesar, configurar las opciones de procesamiento, establecer la ubicación de guardado y comenzar el procesamiento. Este flujo por pasos permite confirmar por separado la lista de archivos, las reglas de coincidencia y la ubicación de salida, lo que reduce los errores causados por mezclar operaciones en una misma página.

Paso 2: añadir varios libros de Excel a la vez

En la fase de selección de archivos, utilice «Añadir archivos» o «Importar archivos desde una carpeta» según cómo estén almacenados los archivos. Si solo se procesan algunos informes concretos, puede usar «Añadir archivos»; si los archivos que se van a procesar están guardados de forma centralizada en un directorio, la importación desde carpeta es más adecuada para tareas por lotes.

En la lista de ejemplo ya se han añadido tres archivos xlsx: product_list.xlsx, team-participant-list.xlsx y test.xlsx. La página también muestra la ruta de disco, la extensión, la fecha de creación y la fecha de modificación de cada archivo, y el número total de registros del resumen inferior es 3.

En esta fase no debe apresurarse a hacer clic en «Siguiente». Primero debe confirmar si se incluyen copias de seguridad antiguas, archivos de resultados ya procesados o tablas no relacionadas con la tarea. Si hay algún error, puede eliminar el archivo mediante la operación de borrado de la fila correspondiente; si necesita volver a seleccionar todo, puede hacer clic en «Vaciar». Una vez confirmada la lista, pase al siguiente paso.

Paso 3: limitar el objeto de procesamiento al texto de las celdas

En el área de opciones de Excel, el rango de procesamiento incluye «Texto de celdas», «Nombres de hojas de cálculo» y «Texto de formas en hojas de cálculo». En este ejemplo solo se marca «Texto de celdas», porque los números se encuentran en celdas de la tabla. Si se marcan también otros rangos, las reglas de coincidencia podrían afectar a los nombres de hoja o al texto de las formas, ampliando innecesariamente el ámbito de procesamiento.

En la captura, la condición de nombre de hoja y la condición de nombre de columna están desactivadas, por lo que la regla puede buscar en las celdas que cumplan otras condiciones. Si la tarea formal solo permite modificar determinadas hojas de cálculo o un campo concreto, puede restringir aún más el rango mediante las opciones de condición que ofrece la interfaz.

En el tipo de fórmula de celda que se debe procesar se elige «Sin restricción», en el modo de procesamiento de celdas con fórmula se elige «Valor calculado de la fórmula» y en el tipo de datos se marca «Texto». Este conjunto de opciones es adecuado para los números de texto de la captura, pero la forma de guardar los datos puede variar según el libro de trabajo. En especial, los números con ceros a la izquierda suelen conservarse mejor como texto; si Excel los reconoce como números, es posible que el valor real ya no contenga esos ceros.

Paso 4: activar la búsqueda difusa de texto mediante fórmulas

Al configurar las opciones de palabras clave, elija «Usar búsqueda difusa de texto mediante fórmulas» en lugar de «Búsqueda exacta de texto». A continuación, en la «Lista de palabras clave que se deben buscar», introduzca dos líneas:

• 030\d{3}
• 46\d{3}

Donde \d representa un dígito y {3} indica que se repite tres veces seguidas. Por tanto, la primera regla sirve para identificar los tres dígitos que siguen a 030, y la segunda regla sirve para identificar los tres dígitos que siguen a 46.

Paso 5: rellenar fila por fila el contenido objetivo tras el reemplazo

En la «Lista de palabras clave tras el reemplazo» de la derecha, escriba 111111 en la primera fila y 22222 en la segunda. Los números de fila de las listas izquierda y derecha representan la correspondencia:

• 030\d{3} corresponde a 111111;
• 46\d{3} corresponde a 22222.

Si se invierten los dos valores de reemplazo, el resultado final también se ejecutará según la correspondencia errónea. Por lo tanto, en las tareas con varias reglas conviene comprobar fila por fila antes de continuar. En el centro de la captura también se muestran los iconos para ajustar el contenido de las listas; en el uso real debe prevalecer la numeración final de filas de la izquierda y la derecha.

Paso 6: elegir la ubicación de salida y ejecutar el procesamiento

Una vez completada la configuración de reglas, haga clic en «Siguiente» en la parte inferior para acceder a la configuración de la ubicación de guardado. Se recomienda crear un directorio de salida independiente para esta tarea y utilizar un nombre de carpeta que indique su finalidad, como «Resultado de reemplazo de números» o «Salida de prueba de enmascaramiento». De este modo se conservan los libros originales y se facilita la comparación posterior.

Después de pasar a la fase de «Comenzar procesamiento», inicie la tarea según las indicaciones de la página del software. Una vez finalizado el procesamiento por lotes, no se limite a confirmar que se generaron los archivos; abra también los archivos de resultado para verificar el contenido. Se recomienda comprobar por separado un número original que empiece por 030, un código que empiece por 46 y un dato que no deba reemplazarse, para confirmar que los tres tipos de resultado cumplen lo esperado.

4. Cómo escribir reglas según su propio formato de número

La expresión del ejemplo no es una plantilla fija, sino que se escribe según la estructura real del número. Al analizar la regla, puede dividir primero el número en una parte fija y una parte variable. Por ejemplo, 030006 se puede dividir en el prefijo fijo 030 y los tres dígitos variables 006, por lo que se escribe 030\d{3}.

Si los números de negocio comparten el mismo prefijo, pero la cantidad de dígitos no es uniforme, no debe copiarse directamente {3}. Primero conviene contar la longitud de los datos reales y después diseñar la expresión. En el caso de códigos que puedan contener letras, guiones, espacios u otros caracteres, también hay que confirmar la sintaxis de búsqueda difusa por fórmulas que utiliza el software antes de configurarlos.

Cuanto más amplia sea la expresión, más datos cubrirá, pero también mayor será el riesgo de coincidencias erróneas. Cuanto más estricta sea, mayor será normalmente la precisión, pero podrían omitirse registros con formatos anómalos. La forma fiable de proceder es extraer primero muestras de unos pocos archivos representativos, probar los resultados de coincidencia y, después, ampliar el conjunto de archivos.

5. Preguntas frecuentes y precauciones

1. Por qué los ceros iniciales afectan a la coincidencia

Cuando 030006 se guarda como texto, conserva el 0 inicial; si Excel lo guarda como valor numérico, el formato de visualización y el valor real pueden ser diferentes. La regla de expresión regular coincide con el contenido que lee el software, por lo que conviene comprobar el tipo de dato real de la celda y no decidir únicamente por lo que muestra la interfaz.

2. Por qué sigue habiendo contenido sin procesar después de marcar solo texto

Las celdas no procesadas pueden ser números, valores lógicos, fechas y horas o resultados de fórmulas, y también pueden contener espacios invisibles. Puede consultar el formato de celda y la barra de fórmulas en el libro original y volver a probar combinando las opciones de tipo de datos de la herramienta.

3. Se pueden reemplazar dos tipos de números por resultados diferentes

Sí. Precisamente en este ejemplo se consigue un reemplazo clasificado mediante dos filas de reglas de búsqueda y dos filas de contenido de reemplazo. Hay que asegurarse de que la cantidad y el orden coincidan y evitar que se desalineen las filas durante la edición.

4. Conviene sobrescribir el archivo de origen

En un reemplazo por lotes no suele recomendarse sobrescribir el único archivo de origen en la primera ejecución. Si la expresión o el rango de configuración contienen un error, podrían verse afectados varios libros de trabajo a la vez. Conservar el archivo original y generar la salida en un directorio nuevo es una forma de operar más prudente.

5. Qué más hay que comprobar tras el enmascaramiento de datos

Además de las celdas del cuerpo del documento, conviene revisar según el archivo real otras hojas de cálculo, referencias de fórmulas, notas, texto de formas y si los nombres de archivo contienen información confidencial. Esta captura solo muestra el reemplazo de texto de celdas, por lo que no debe deducirse de ella que otras ubicaciones ya se hayan enmascarado automáticamente.

6. Resumen

Para contenidos de Excel con «números distintos pero con el mismo formato», las expresiones regulares con comodines son más eficaces que la búsqueda exacta uno por uno. HeSoft Doc Batch Tool permite incluir varios archivos xlsx en la misma tarea y procesar de forma unificada el texto de las celdas mediante reglas de búsqueda difusa por fórmulas. En este ejemplo se utilizan 030\d{3} y 46\d{3} para identificar dos tipos de código y se reemplazan respectivamente por 111111 y 22222, mostrando claramente cómo se implementa el reemplazo por lotes con varias reglas.

Para el procesamiento formal, se recomienda seguir el orden de «copia de seguridad del original — importación de una pequeña muestra — configuración de reglas — comprobación de la correspondencia izquierda-derecha — salida a un directorio nuevo — verificación aleatoria de resultados». De este modo se aprovecha el valor del software ofimático para procesar archivos por lotes y reducir el trabajo repetitivo, al tiempo que se reduce el riesgo derivado de reglas demasiado amplias, tipos de datos distintos o selección errónea de archivos.