Business Scenario

Escenario de negocio

A CSV file contains last names with accents and special characters. A downstream legacy system only accepts basic Latin characters. The goal is to remove diacritics while preserving the readable meaning of the name as much as possible.

Un archivo CSV contiene apellidos con acentos y caracteres especiales. Un sistema antiguo solo acepta caracteres latinos básicos. El objetivo es remover marcas diacríticas preservando lo más posible el significado legible del nombre.

Learning Objectives

Objetivos de aprendizaje

• Import a CSV file using PowerShell.
• Normalize text using Unicode normalization.
• Remove accent marks from names and last names.
• Optionally remove remaining unsupported special characters.
• Export a cleaned CSV without overwriting the original file.

• Importar un archivo CSV usando PowerShell.
• Normalizar texto usando normalización Unicode.
• Remover acentos de nombres y apellidos.
• Opcionalmente remover caracteres especiales no soportados.
• Exportar un CSV limpio sin sobrescribir el archivo original.

Sample Input Data

Data de entrada de ejemplo

EmployeeID,Nombre,Apellido
1001,José,García
1002,María,Muñoz
1003,Ana,Peña
1004,Ángel,López
1005,Zoë,Nuñez

Step 1 — Define Source and Output Files

Paso 1 — Definir archivos de entrada y salida

$sourceFile = "C:\Training\names_raw.csv"
$outputFile = "C:\Training\names_clean.csv"

Step 2 — Import the CSV File

Paso 2 — Importar el archivo CSV

$records = Import-Csv -Path $sourceFile

Step 3 — Create a Function to Remove Accents

Paso 3 — Crear una función para remover acentos

The function below separates letters from accent marks using Unicode FormD, then removes the marks using the regex category \p{M}.

La función siguiente separa las letras de las marcas de acento usando Unicode FormD, y luego remueve esas marcas usando la categoría regex \p{M}.

function Remove-Accents {
    param(
        [string]$Text
    )

    if ([string]::IsNullOrWhiteSpace($Text)) {
        return $Text
    }

    $normalized = $Text.Normalize([System.Text.NormalizationForm]::FormD)
    $cleanText = $normalized -replace '\p{M}', ''

    return $cleanText
}

Step 4 — Clean Name Fields

Paso 4 — Limpiar campos de nombre

Apply the function to selected fields. In this example, both first name and last name are cleaned.

Aplicamos la función a los campos seleccionados. En este ejemplo, se limpian el nombre y el apellido.

$records | ForEach-Object {
    $_.Nombre = Remove-Accents $_.Nombre
    $_.Apellido = Remove-Accents $_.Apellido
}

Step 5 — Optional: Remove Unsupported Special Characters

Paso 5 — Opcional: remover caracteres especiales no soportados

Some legacy systems only accept letters, numbers, spaces, apostrophes, and hyphens. This optional step removes anything outside that allowed pattern.

Algunos sistemas antiguos solo aceptan letras, números, espacios, apóstrofes y guiones. Este paso opcional remueve cualquier cosa fuera de ese patrón permitido.

$records | ForEach-Object {
    $_.Nombre = $_.Nombre -replace "[^a-zA-Z0-9 '\-]", ''
    $_.Apellido = $_.Apellido -replace "[^a-zA-Z0-9 '\-]", ''
}

Step 6 — Export the Clean File

Paso 6 — Exportar el archivo limpio

$records | Export-Csv -Path $outputFile -NoTypeInformation -Encoding UTF8

Complete Script

Script completo

$sourceFile = "C:\Training\names_raw.csv"
$outputFile = "C:\Training\names_clean.csv"

function Remove-Accents {
    param(
        [string]$Text
    )

    if ([string]::IsNullOrWhiteSpace($Text)) {
        return $Text
    }

    $normalized = $Text.Normalize([System.Text.NormalizationForm]::FormD)
    $cleanText = $normalized -replace '\p{M}', ''

    return $cleanText
}

$records = Import-Csv -Path $sourceFile

$records | ForEach-Object {
    $_.Nombre = Remove-Accents $_.Nombre
    $_.Apellido = Remove-Accents $_.Apellido

    # Optional legacy cleanup
    $_.Nombre = $_.Nombre -replace "[^a-zA-Z0-9 '\-]", ''
    $_.Apellido = $_.Apellido -replace "[^a-zA-Z0-9 '\-]", ''
}

$records | Export-Csv -Path $outputFile -NoTypeInformation -Encoding UTF8

Expected Result

Resultado esperado

Validation Checklist

Lista de validación

• The original file remains unchanged.
• Accented characters are converted to basic Latin characters.
• Unsupported special characters are removed only if required by the business rule.
• The cleaned output file can be imported into the legacy system.

• El archivo original permanece sin cambios.
• Los caracteres con acentos se convierten a caracteres latinos básicos.
• Los caracteres especiales no soportados se remueven solo si la regla de negocio lo requiere.
• El archivo limpio puede importarse en el sistema legacy.

Professional Notes

Notas profesionales

Removing accents should be treated as a compatibility transformation, not as an identity correction. In official records, legal names should remain exactly as provided unless the business process explicitly requires a legacy-compatible export.

Remover acentos debe tratarse como una transformación de compatibilidad, no como una corrección de identidad. En registros oficiales, los nombres legales deben mantenerse exactamente como fueron provistos, salvo que el proceso requiera explícitamente una exportación compatible con sistemas antiguos.