Analizador de duplicados

Antes de borrar entradas repetidas conviene saber qué valores se repiten y cuántas veces aparecen. El analizador de duplicados prepara ese inventario a partir de un elemento por línea: referencias de pedidos, identificadores de participantes, direcciones copiadas o mensajes de registro. Solo muestra las líneas repetidas, acompañadas de su número total de apariciones. La lista original permanece en el campo de entrada. El resultado es un informe de frecuencias, no una lista nueva sin duplicados ni una comprobación de unicidad sobre varias columnas seleccionadas.

Los finales de línea CRLF de Windows y los retornos CR aislados se convierten en LF antes de dividir el texto. Cada línea física pasa a ser un valor independiente para comparar. Las líneas completamente vacías se ignoran, pero una línea que solo contiene espacios sigue siendo un valor real y puede aparecer como un duplicado invisible. No hay una cabecera especial: un título repetido se cuenta igual que cualquier otra línea de entrada.

La comparación es exacta. Se conservan las mayúsculas, los acentos, las tabulaciones y los espacios iniciales o finales. Sevilla, sevilla y Sevilla seguido de un espacio forman tres grupos distintos. No se normaliza Unicode, no se corrigen direcciones ni se convierten números. Por eso el identificador 0012 no se agrupa con 12. Este comportamiento sirve para localizar cadenas idénticas, pero no para buscar nombres parecidos, errores de escritura o posibles registros de la misma persona que tengan textos diferentes.

El contador aumenta con cada aparición y después se conservan únicamente los valores presentes al menos dos veces. El informe se ordena por frecuencia descendente; los empates mantienen el orden de primera aparición. Cada línea de salida empieza por el total, seguido de × y del valor original. Un total de tres significa tres apariciones en la entrada, es decir, dos sobrantes si quieres conservar una. Cuando nada se repite, la salida queda vacía: no significa que haya fallado la lectura.