Esta herramienta encuentra registros casi duplicados — nombres escritos con ligeras diferencias, la misma persona ingresada dos veces — con coincidencia difusa de Levenshtein. La distancia de Levenshtein cuenta el menor número de ediciones de un solo carácter (inserciones, borrados, sustituciones) que convierte una cadena en otra. La similitud es esa distancia escalada según la cadena más larga. Tú ajustas el umbral: los pares con puntuación igual o superior se marcan para tu revisión. La herramienta sugiere; nunca fusiona. Fusionar es una decisión humana de quien sabe si Anna Garcia y Ana Garcia son una persona o dos hermanas.
Cómo usarla
- Pega los registros, uno por línea.
- Ajusta el umbral de similitud: 80 es un buen punto de partida.
- Pulsa Buscar duplicados y lee los pares, de mayor similitud primero.
- Verifica cada par con tus datos originales.
- Fusiona solo los pares verificados; guarda un registro de lo fusionado.
Ejemplo resuelto
Una lista de participantes contiene Ana Garcia, Anna Garcia, Ana García, Bo Chen y Bo Chan. Con umbral 80, la herramienta marca Ana Garcia con Anna Garcia (91 por ciento) y Bo Chen con Bo Chan, mientras Ana García puntúa algo menos por el carácter acentuado. Revisar los correos de inscripción muestra que Anna Garcia es un error de tipeo de Ana Garcia, pero Bo Chen y Bo Chan son personas distintas que comparten laboratorio. Una fusión es correcta, la otra habría sido un error grave. Por eso cada par marcado necesita revisión humana, y por eso la herramienta informa similitud en vez de decidir.
Límites honestos
La similitud de cadenas no sabe nada de personas. Gemelos, familiares y nombres comunes puntuarán alto, mientras escrituras realmente distintas de un mismo nombre — un apellido de casada, una transliteración — puntuarán bajo y escaparán. Acentos, guiones y orden de nombres afectan la puntuación, así que normaliza mayúsculas y acentos primero con el Estandarizador de Textos Sucios para mejores resultados. Las listas muy largas también se vuelven lentas, porque cada registro se compara con todos los demás. Para listas de más de unos cientos de filas, bloquea primero: compara solo dentro de iniciales o grupos compartidos.
Para quién es
Esta herramienta es para investigadores que eliminan duplicados de listas de participantes, organizadores que limpian inscripciones y analistas que fusionan conjuntos de dos fuentes. Es una ayuda de revisión, no una fusión automática. Su salida pertenece a tu registro de limpieza: qué pares se marcaron, cuáles se fusionaron y qué evidencia justificó cada fusión.
Para ir más allá
Un protocolo sólido de eliminación de duplicados tiene cuatro pasos y un rastro en papel. Primero, normaliza: recorta espacios, unifica mayúsculas y quita acentos para que el comparador compare cosas semejantes. Segundo, bloquea: divide la lista en grupos pequeños que plausiblemente puedan coincidir — misma inicial, mismo departamento, misma cohorte — y compara solo dentro de bloques, lo que también mantiene manejable el número de comparaciones. Tercero, revisa: una segunda persona, o al menos una segunda pasada otro día, verifica cada par marcado contra un campo independiente como correo o id de estudiante, porque los nombres solos son identificadores débiles. Cuarto, registra: anota cada fusión con las dos cadenas originales, la puntuación de similitud, el campo confirmatorio y la fecha. Nunca fusiones por un solo campo en registros importantes como notas o consentimientos: dos personas distintas fusionadas en un registro es un error mucho peor que una persona dejada como dos registros, porque lo primero corrompe el análisis mientras lo segundo solo infla un recuento que puedes explicar. La prevención supera a la limpieza para la próxima ronda de recolección. Añade un identificador estable a tus formularios — un número de estudiante, un correo o un código de participante generado — y valídalo en la entrada, para que la misma persona no pueda registrarse dos veces con dos escrituras. Donde los identificadores sean imposibles por privacidad, recoge dos cuasi-identificadores, como mes de nacimiento más iniciales, que permitan a una futura comprobación de duplicados confirmar coincidencias sin identificar a nadie por sí solos. La hora invertida en diseñar la validación de entrada ahorra muchas horas de coincidencia difusa después, y evita el peor resultado de todos: fusionar a dos personas reales porque sus nombres se parecían.
Herramientas relacionadas
English version · Aplanador de Respuestas API · Herramientas gratis en español.
Inserta esta herramienta en tu web — gratis
Copia el código de abajo para añadir esta herramienta funcional a tu propia página. Solo pedimos que mantengas el pequeño enlace de crédito que la acompaña.