Added all

file-management/buscar_grandes.sh

@@ -0,0 +1,9 @@
+#!/bin/bash
+
+# Directorio base desde donde buscar (puedes cambiarlo o usar el argumento del script)
+DIRECTORIO=${1:-.}
+
+# Encuentra archivos mayores a 1GB y muestra su tamaño ordenado
+echo "Archivos mayores a 1GB en el directorio: $DIRECTORIO"
+find "$DIRECTORIO" -type f -size +1G -exec du -h {} + | sort -hr
+echo "Búsqueda completada."

file-management/filtrar_excel_per_csv.py

@@ -0,0 +1,57 @@
+import pandas as pd
+import os
+import sys
+
+print("🔍 --- Filtrant Excel segons usuaris actius del CSV ---")
+
+# Noms dels fitxers
+fitxer_csv = "Newsletter_Combinat_Final_Actius.csv"
+fitxer_excel = "Contactos_Unificats.xlsx"
+fitxer_resultat = "Contactos_Unificats_Filtrats.xlsx"
+
+# Comprovem que existeixen
+if not os.path.exists(fitxer_csv) or not os.path.exists(fitxer_excel):
+    print("❌ Error: Assegura't que els fitxers CSV i Excel són a la mateixa carpeta.")
+    sys.exit(1)
+
+try:
+    print("⏳ Llegint els usuaris actius del CSV...")
+    # Llegim el CSV (sabem que està separat per punt i coma)
+    df_csv = pd.read_csv(fitxer_csv, sep=';', encoding='utf-8')
+    
+    # Extraiem els correus de la columna 'Email_ID', els passem a minúscules i traiem espais en blanc
+    # per assegurar-nos que coincideixen perfectament
+    correus_actius = set(df_csv['Email_ID'].dropna().astype(str).str.lower().str.strip())
+    print(f"✅ S'han carregat {len(correus_actius)} correus únics del CSV.")
+
+    print("⏳ Processant l'Excel pestanya per pestanya...")
+    # Obrim l'Excel original i preparem el nou per escriure
+    excel_original = pd.ExcelFile(fitxer_excel)
+    
+    with pd.ExcelWriter(fitxer_resultat, engine='openpyxl') as writer:
+        for nom_pestanya in excel_original.sheet_names:
+            # Llegim la pestanya actual
+            df_pestanya = pd.read_excel(excel_original, sheet_name=nom_pestanya)
+            total_inicial = len(df_pestanya)
+            
+            # Normalitzem la columna 'email' de l'Excel per poder comparar-la
+            if 'email' in df_pestanya.columns:
+                correus_excel = df_pestanya['email'].astype(str).str.lower().str.strip()
+                
+                # Filtrem: ens quedem només amb les files on el correu estigui a la nostra llista d'actius
+                df_filtrat = df_pestanya[correus_excel.isin(correus_actius)]
+                total_final = len(df_filtrat)
+                
+                print(f"   👉 Pestanya '{nom_pestanya}': s'han mantingut {total_final} de {total_inicial} contactes.")
+            else:
+                print(f"   ⚠️ Avís: La pestanya '{nom_pestanya}' no té cap columna anomenada 'email'. Es deixa intacta.")
+                df_filtrat = df_pestanya
+                
+            # Guardem el resultat a la mateixa pestanya del nou fitxer
+            df_filtrat.to_excel(writer, sheet_name=nom_pestanya, index=False)
+
+    print(f"\n🎉 Procés completat amb èxit!")
+    print(f"📄 S'ha creat el fitxer amb els contactes filtrats: {fitxer_resultat}")
+
+except Exception as e:
+    print(f"❌ S'ha produït un error: {e}")

file-management/juntar_csv.py

@@ -0,0 +1,67 @@
+import csv
+import glob
+import os
+import sys
+
+# 1. Comprovem si s'ha passat la ruta com a argument
+if len(sys.argv) < 2:
+    print("❌ Error: Has d'indicar la ruta de la carpeta.")
+    print("💡 Ús correcte: python juntar_csv.py /ruta/de/la/carpeta")
+    sys.exit(1)
+
+# 2. Agafem la ruta (el primer argument després del nom de l'script)
+carpeta_origen = sys.argv[1]
+
+# Netegem possibles cometes que la terminal hagi afegit
+carpeta_origen = carpeta_origen.strip("'").strip('"').strip()
+
+# 3. Comprovem que la carpeta existeix
+if not os.path.isdir(carpeta_origen):
+    print(f"❌ Error: La ruta '{carpeta_origen}' no és vàlida o no és una carpeta.")
+    sys.exit(1)
+
+print(f"📁 Cercant fitxers CSV a: {carpeta_origen}")
+
+ruta_cerca = os.path.join(carpeta_origen, "*.csv")
+fitxers_csv = glob.glob(ruta_cerca)
+
+# Definim el nom del fitxer final
+fitxer_resultat = os.path.join(carpeta_origen, "Newsletter_Combinat_Final.csv")
+
+if not fitxers_csv:
+    print("⚠️ No s'han trobat fitxers CSV a la carpeta indicada.")
+else:
+    # Filtrem per no incloure el fitxer resultat si ja existeix d'una execució anterior
+    fitxers_a_processar = [f for f in fitxers_csv if f != fitxer_resultat]
+    
+    if not fitxers_a_processar:
+        print("⚠️ Només s'ha trobat el fitxer combinat anterior. No hi ha res de nou per unir.")
+        sys.exit(0)
+        
+    print(f"🔄 S'han trobat {len(fitxers_a_processar)} fitxers. Processant...")
+    
+    # 4. Unifiquem els fitxers
+    with open(fitxer_resultat, 'w', newline='', encoding='utf-8') as sortida:
+        escrivent = csv.writer(sortida, delimiter=';')
+        
+        fitxers_processats = 0
+        for nom_fitxer in fitxers_a_processar:
+            with open(nom_fitxer, 'r', encoding='utf-8') as f:
+                lector = csv.reader(f, delimiter=';')
+                try:
+                    capcalera = next(lector)
+                except StopIteration:
+                    continue # Saltem el fitxer si està completament buit
+                
+                # Escrivim la capçalera només pel primer fitxer vàlid
+                if fitxers_processats == 0:
+                    escrivent.writerow(capcalera)
+                    
+                # Escrivim la resta de dades
+                for fila in lector:
+                    escrivent.writerow(fila)
+                    
+            fitxers_processats += 1
+            
+    print(f"✅ Èxit! S'han combinat {fitxers_processats} fitxers.")
+    print(f"📄 Fitxer creat a: {fitxer_resultat}")

file-management/mautic.py

@@ -0,0 +1,73 @@
+import pandas as pd
+import csv
+
+def filtrar_i_consolidar_etiquetes(tags_str):
+    """Filtra i agrupa les etiquetes segons les regles de negoci."""
+    if pd.isna(tags_str) or str(tags_str).strip().lower() == 'nan':
+        return ''
+    
+    # 1. Separem les etiquetes i les netegem
+    llista_tags = [t.strip().lower() for t in str(tags_str).split(',')]
+    
+    # Utilitzem un 'set' per evitar etiquetes duplicades al final
+    tags_finals = set()
+    
+    for t in llista_tags:
+        # 2. Regla de conservació directa: test_, int_ i rrhh
+        if t.startswith('test_') or t.startswith('int_') or t == 'rrhh':
+            tags_finals.add(t)
+            continue
+            
+        # 3. Regles d'agrupació (l'ordre és important per als prefixos llargs)
+        if t.startswith('skupspo2-') or t.startswith('pspo2-'):
+            tags_finals.add('pspo2')
+        elif t.startswith('pspo-'):
+            tags_finals.add('pspo')
+        elif t.startswith('psm2-'):
+            tags_finals.add('psm2')
+        elif t.startswith('psm-'):
+            tags_finals.add('psm')
+        elif t.startswith('psux-') or t.startswith('psu-'):
+            tags_finals.add('psu')
+        elif t.startswith('sps-'):
+            tags_finals.add('sps')
+        elif t.startswith('safe-'):
+            tags_finals.add('safe-ls')
+        elif t.startswith('pal_ebm-'):
+            tags_finals.add('pal_ebm')
+        elif t.startswith('pal-'):
+            tags_finals.add('pal')
+    
+    # 4. Si tenim etiquetes vàlides, les ordenem, les unim amb | i hi posem cometes
+    if tags_finals:
+        # Ordenar-les (sorted) fa que el resultat sigui més fàcil de llegir al CSV
+        tags_units = '|'.join(sorted(list(tags_finals)))
+        return f'"{tags_units}"'
+    else:
+        return ''
+
+# --- INICI DEL PROCÉS ---
+
+# 1. Carregar el fitxer original
+df = pd.read_excel('contactes_mautic/Contactos_2602026_7881pax.xlsx')
+
+# 2. Seleccionar només les columnes que ens interessen
+columnes_mautic = ['email', 'nombre_x', 'apellidos_x', '*ciudad_x', '*pais_x', 'etiquetas_x']
+df_net = df[columnes_mautic].copy()
+
+# 3. Reanomenar les columnes perquè Mautic les auto-detecti
+df_net.rename(columns={
+    'nombre_x': 'firstname',
+    'apellidos_x': 'lastname',
+    '*ciudad_x': 'city',
+    '*pais_x': 'country',
+    'etiquetas_x': 'etiquetes'
+}, inplace=True)
+
+# 4. APLICAR EL FILTRE I LA CONSOLIDACIÓ
+df_net['etiquetes'] = df_net['etiquetes'].apply(filtrar_i_consolidar_etiquetes)
+
+# 5. Guardar com a CSV llest per importar
+df_net.to_csv('Contactes_Mautic_Consolidats.csv', index=False, encoding='utf-8', quoting=csv.QUOTE_NONE, escapechar='\\')
+
+print("✅ Fitxer preparat! Les etiquetes s'han filtrat i agrupat correctament.")

file-management/mautic_tags.py

@@ -0,0 +1,84 @@
+import pandas as pd
+import os
+import csv
+
+def simplificar_etiqueta(tag):
+    """Filtra i redueix les etiquetes a la seva essència."""
+    tag = tag.strip().lower()
+    
+    # 1. Traducció dels noms llargs oficials
+    if 'professional-scrum-master' in tag: return 'psm'
+    if 'professional-scrum-product-owner' in tag: return 'pspo'
+    if 'professional-scrum-developer' in tag: return 'psd'
+    if 'professional-agile-leadership' in tag: return 'pal'
+    
+    # 2. Protecció de nivells avançats (Molt important posar-ho abans que els normals)
+    if 'psm2' in tag or 'psm-2' in tag: return 'psm2'
+    if 'pspo2' in tag or 'pspo-2' in tag: return 'pspo2'
+    if 'pspo-a' in tag: return 'pspo-a'
+    
+    # 3. Agrupació per paraula clau (Si conté la paraula, s'assigna a l'etiqueta base)
+    if 'psm' in tag: return 'psm'
+    if 'pspo' in tag: return 'pspo'
+    if 'psu' in tag: return 'psu'
+    if 'psd' in tag: return 'psd'
+    if 'aps' in tag: return 'aps'
+    if 'apk' in tag: return 'apk'
+    if 'pal' in tag: return 'pal'
+    if 'sps' in tag: return 'sps'
+    
+    # 4. Altres agrupacions útils que he detectat a la teva llista
+    if 'okr' in tag: return 'okr'
+    if 'scrumday' in tag or 'sd20' in tag or 'sd21' in tag: return 'scrumday'
+    
+    # 5. Si no és cap de les importants, la deixem tal qual (però neta de test_)
+    if tag.startswith('test_'):
+        return tag.replace('test_', 'int_', 1)
+        
+    return tag
+
+# --- INICI DEL PROCÉS ---
+
+nom_fitxer = 'contactes_mautic/Contactos_2602026_7881pax.xlsx'
+print(f"Llegint el fitxer {nom_fitxer}...")
+df = pd.read_excel(nom_fitxer)
+
+columnes = {
+    'email': 'email',
+    'nombre_x': 'firstname',
+    'apellidos_x': 'lastname',
+    '*ciudad_x': 'city',
+    '*pais_x': 'country',
+    'etiquetas_x': 'tags'
+}
+df_net = df[list(columnes.keys())].rename(columns=columnes)
+df_net = df_net.dropna(subset=['email', 'tags'])
+
+carpeta_sortida = 'Mautic_CSVs_per_Tag'
+os.makedirs(carpeta_sortida, exist_ok=True)
+
+# Apliquem la nostra súper funció de simplificació
+df_net['tag_individual'] = df_net['tags'].apply(
+    lambda x: [simplificar_etiqueta(tag) for tag in str(x).split(',') if tag.strip()]
+)
+
+# Expandim i eliminem duplicats
+df_exploded = df_net.explode('tag_individual')
+df_exploded = df_exploded.drop_duplicates(subset=['email', 'tag_individual'])
+
+etiquetes_uniques = df_exploded['tag_individual'].unique()
+print(f"🎉 Màgia feta! Hem reduït centenars d'etiquetes a només {len(etiquetes_uniques)} úniques.")
+
+for tag in etiquetes_uniques:
+    df_tag = df_exploded[df_exploded['tag_individual'] == tag].copy()
+    
+    df_tag['tags'] = tag 
+    df_tag = df_tag.rename(columns={'tags': tag})
+    df_tag = df_tag.drop(columns=['tag_individual'])
+    
+    nom_tag_net = str(tag).replace(' ', '_').replace('/', '_').replace(':', '')
+    ruta_fitxer = os.path.join(carpeta_sortida, f"etiqueta_{nom_tag_net}.csv")
+    
+    df_tag.to_csv(ruta_fitxer, index=False, encoding='utf-8', sep=',', quoting=csv.QUOTE_ALL)
+
+print(f"✅ Tots els fitxers nets estan a la carpeta '{carpeta_sortida}'.")

file-management/nan-mautic.py

@@ -0,0 +1,17 @@
+import pandas as pd
+
+# 1. Carregar el fitxer original
+df = pd.read_excel('contactes_mautic/Contactos_2602026_7881pax.xlsx')
+
+# 2. Quedar-nos només amb els emails vàlids
+df_net = df.dropna(subset=['email'])[['email']].copy()
+
+# 3. Ordre d'esborrat múltiple
+# Afegim el signe '-' davant de l'etiqueta estranya i també del 'nan' normal
+# La 'r' al davant indica a Python que llegeixi les barres invertides literalment
+df_net['etiquetes'] = r'-\"-nan\"|-nan'
+
+# 4. Guardem el CSV de manera natural (sense forçar paràmetres d'escapament)
+df_net.to_csv('Neteja_Definitiva_Tags.csv', index=False, encoding='utf-8')
+
+print("✅ Fitxer preparat! Les etiquetes errònies s'han marcat per ser esborrades.")

file-management/netejar_desuscrits.py

@@ -0,0 +1,53 @@
+import csv
+import sys
+import os
+
+# Comprovem que s'ha passat el fitxer com a argument
+if len(sys.argv) < 2:
+    print("❌ Error: Has d'indicar la ruta del fitxer CSV.")
+    print("💡 Ús correcte: python netejar_desuscrits.py /ruta/al/Newsletter_Combinat_Final.csv")
+    sys.exit(1)
+
+fitxer_origen = sys.argv[1].strip("'").strip('"').strip()
+
+if not os.path.isfile(fitxer_origen):
+    print(f"❌ Error: No s'ha trobat el fitxer '{fitxer_origen}'.")
+    sys.exit(1)
+
+fitxer_desti = fitxer_origen.replace(".csv", "_Actius.csv")
+
+usuaris_eliminats = 0
+usuaris_actius = 0
+
+print(f"🔍 Analitzant el fitxer: {fitxer_origen}")
+
+with open(fitxer_origen, 'r', encoding='utf-8') as f_in, \
+     open(fitxer_desti, 'w', newline='', encoding='utf-8') as f_out:
+    
+    lector = csv.reader(f_in, delimiter=';')
+    escrivent = csv.writer(f_out, delimiter=';')
+    
+    # Llegim i escrivim la capçalera
+    capcalera = next(lector)
+    escrivent.writerow(capcalera)
+    
+    # Busquem l'índex de la columna de desuscripció
+    try:
+        index_unsub = capcalera.index("Unsubscribe_Date")
+    except ValueError:
+        print("❌ Error: No s'ha trobat la columna 'Unsubscribe_Date' al fitxer.")
+        sys.exit(1)
+        
+    # Filtrem les files
+    for fila in lector:
+        # Si la columna està buida, l'usuari és actiu
+        if len(fila) > index_unsub and not fila[index_unsub].strip():
+            escrivent.writerow(fila)
+            usuaris_actius += 1
+        else:
+            usuaris_eliminats += 1
+
+print("✅ Neteja completada amb èxit!")
+print(f"📉 Usuaris desuscrits eliminats: {usuaris_eliminats}")
+print(f"📈 Usuaris actius conservats: {usuaris_actius}")
+print(f"📄 Nou fitxer creat a: {fitxer_desti}")

file-management/netejar_excel.py

@@ -0,0 +1,32 @@
+import pandas as pd
+
+# 1. Definir los nombres de los archivos
+archivo_entrada = 'Contactos_2602026_totales.xlsx'
+archivo_salida = 'Contactos_2602026_Limpios.xlsx'
+
+print(f"Cargando el archivo: {archivo_entrada}...")
+
+# 2. Leer el archivo Excel
+# Asumimos que los datos están en la primera hoja (Sheet1)
+df = pd.read_excel(archivo_entrada)
+
+# Contar cuántos registros hay inicialmente
+total_inicial = len(df)
+print(f"Registros iniciales encontrados: {total_inicial}")
+
+# 3. Eliminar duplicados basados en la columna 'email'
+# keep='first' conserva la primera aparición del correo y elimina las siguientes
+df_limpio = df.drop_duplicates(subset=['email'], keep='first')
+
+# Contar cuántos registros quedaron y cuántos se eliminaron
+total_final = len(df_limpio)
+duplicados_eliminados = total_inicial - total_final
+
+print(f"Se han eliminado {duplicados_eliminados} contactos duplicados.")
+print(f"Registros finales únicos: {total_final}")
+
+# 4. Exportar el resultado a un nuevo archivo Excel
+print("Guardando el nuevo archivo limpio...")
+df_limpio.to_excel(archivo_salida, index=False)
+
+print(f"¡Proceso completado! Archivo guardado como: {archivo_salida}")

file-management/split_excel.py

@@ -0,0 +1,46 @@
+import pandas as pd
+import numpy as np
+import math
+
+# Load the Excel file
+file_name = 'Contactos_2602026_7881pax.xlsx'
+
+print("Llegint el fitxer Excel...")
+
+# --- CORRECCIÓ AQUÍ ---
+# Fem servir read_excel en lloc de read_csv
+df = pd.read_excel(file_name) 
+# ----------------------
+
+# Display head and info to understand the structure
+print(df.head())
+print(df.info())
+
+# Total number of rows
+total_rows = len(df)
+print(f"Total rows: {total_rows}")
+
+# Number of splits
+n = 6
+# Fem servir math.ceil o np.ceil per assegurar que no deixem files fora
+chunk_size = int(np.ceil(total_rows / n))
+
+# Split and save
+output_files = []
+print(f"Dividint en {n} parts...")
+
+for i in range(n):
+    start_row = i * chunk_size
+    end_row = min((i + 1) * chunk_size, total_rows)
+    
+    # Si per algun motiu start_row supera el total, parem
+    if start_row >= total_rows:
+        break
+        
+    chunk = df.iloc[start_row:end_row]
+    
+    output_filename = f'Contactos_linkedin_part_{i+1}.xlsx'
+    chunk.to_excel(output_filename, index=False)
+    output_files.append(output_filename)
+
+print(f"Files created: {output_files}")

file-management/teams.py

@@ -0,0 +1,104 @@
+import pandas as pd
+import glob
+import re
+import os
+import csv
+
+def extreure_minuts(temps_str):
+    """Converteix cadenes de text com '2h 15m', '45m' o '1h' a minuts totals."""
+    if pd.isna(temps_str):
+        return 0
+    temps_str = str(temps_str).lower()
+    hores = 0
+    minuts = 0
+    
+    match_h = re.search(r'(\d+)\s*h', temps_str)
+    if match_h:
+        hores = int(match_h.group(1))
+        
+    match_m = re.search(r'(\d+)\s*m', temps_str)
+    if match_m:
+        minuts = int(match_m.group(1))
+        
+    return (hores * 60) + minuts
+
+fitxers = glob.glob("*.csv")
+dades_alumnes = {}
+
+if not fitxers:
+    print("⚠️ No s'han trobat fitxers CSV a la carpeta actual.")
+else:
+    print(f"S'han trobat {len(fitxers)} fitxers. Processant dades...\n")
+
+for fitxer in fitxers:
+    try:
+        # 1. Obrim el fitxer manualment per buscar a quina fila comencen les dades
+        with open(fitxer, 'r', encoding='utf-16') as f:
+            linies = f.readlines()
+            
+        fila_capcalera = -1
+        separador = '\t'
+        
+        # Busquem la línia que conté "Nom" o "Nombre" o "Name"
+        for i, linia in enumerate(linies):
+            if 'Nom' in linia or 'Nombre' in linia or 'Name' in linia:
+                fila_capcalera = i
+                # Detectem si fa servir tabulacions o comes
+                if ',' in linia and '\t' not in linia:
+                    separador = ','
+                break
+                
+        if fila_capcalera == -1:
+            print(f"⚠️ Saltant '{fitxer}': No s'ha trobat cap fila amb la paraula 'Nom'.")
+            continue
+
+        # 2. Llegim el CSV dient-li exactament on comença
+        df = pd.read_csv(fitxer, sep=separador, encoding='utf-16', skiprows=fila_capcalera)
+        
+        # 3. Busquem les columnes dinàmicament
+        col_durada = next((col for col in df.columns if 'durada' in col.lower() or 'duración' in col.lower() or 'duration' in col.lower()), None)
+        col_nom = next((col for col in df.columns if 'nom' in col.lower() or 'nombre' in col.lower() or 'name' in col.lower()), None)
+
+        if not col_nom or not col_durada:
+            print(f"⚠️ Saltant '{fitxer}': Columnes invàlides. Trobades: {list(df.columns)}")
+            continue
+
+        for index, row in df.iterrows():
+            nom = row[col_nom]
+            if pd.isna(nom):
+                continue
+                
+            minuts = extreure_minuts(row[col_durada]) 
+            
+            # Apliquem la regla del 5 de febrer (límit de 205 minuts)
+            if "2-05-26" in fitxer and minuts > 205:
+                minuts = 205
+                
+            if nom in dades_alumnes:
+                dades_alumnes[nom] += minuts
+            else:
+                dades_alumnes[nom] = minuts
+                
+    except UnicodeError:
+        print(f"❌ Error de codificació al fitxer '{fitxer}'. Intenta obrir-lo i guardar-lo de nou.")
+    except Exception as e:
+        print(f"❌ Error processant el fitxer '{fitxer}': {e}")
+
+# 4. Resultats
+if dades_alumnes:
+    print("="*50)
+    print("📊 RESULTATS D'ASSISTÈNCIA (Mínim requerit: 1581 min)")
+    print("="*50)
+
+    for nom in sorted(dades_alumnes.keys()):
+        minuts_totals = dades_alumnes[nom]
+        
+        if minuts_totals >= 1581:
+            estat = "✅ Supera el 80%"
+        else:
+            estat = "❌ No arriba"
+            
+        h = minuts_totals // 60
+        m = minuts_totals % 60
+        
+        print(f"{nom}: {minuts_totals} minuts ({h}h {m}m) -> {estat}")

file-management/treure_etiquetes_mautic.py

@@ -0,0 +1,40 @@
+import pandas as pd
+import csv
+
+def preparar_etiquetes_per_esborrar(tags_str):
+    """Afegeix un '-' a cada etiqueta, les uneix amb | i les tanca entre cometes."""
+    # 1. Si la cel·la està buida, la deixem en blanc
+    if pd.isna(tags_str) or str(tags_str).strip().lower() == 'nan':
+        return ''
+    
+    # 2. Separem les etiquetes originals per coma i traiem espais
+    llista_tags = [t.strip() for t in str(tags_str).split(',')]
+    
+    # 3. Afegim el signe '-' davant de CADA etiqueta (excepte si està buida)
+    tags_per_esborrar = [f"-{t}" for t in llista_tags if t]
+    
+    # 4. Les unim amb | i hi afegim les cometes dobles manualment
+    if tags_per_esborrar:
+        tags_units = '|'.join(tags_per_esborrar)
+        return f'"{tags_units}"'
+    else:
+        return ''
+
+# --- INICI DEL PROCÉS ---
+
+# 1. Carregar el fitxer original
+df = pd.read_excel('contactes_mautic/Contactos_2602026_7881pax.xlsx')
+
+# 2. Seleccionar només l'email i les etiquetes
+df_esborrar = df[['email', 'etiquetas_x']].copy()
+
+# 3. Reanomenar la columna
+df_esborrar.rename(columns={'etiquetas_x': 'etiquetes'}, inplace=True)
+
+# 4. APLICAR LA TRANSFORMACIÓ
+df_esborrar['etiquetes'] = df_esborrar['etiquetes'].apply(preparar_etiquetes_per_esborrar)
+
+# 5. Guardar el CSV respectant les nostres cometes literals
+df_esborrar.to_csv('Contactes_Mautic_Esborrar_Etiquetes.csv', index=False, encoding='utf-8', quoting=csv.QUOTE_NONE, escapechar='\\')
+
+print("✅ Fitxer preparat! Les etiquetes tenen el '-' i estan entre cometes dobles.")

file-management/unificar_excels.py

@@ -0,0 +1,19 @@
+import pandas as pd
+
+# 1. Cargar el primer archivo (tiene encabezados)
+df1 = pd.read_excel('Contactos_linkedin_120126_agile_6589pax_filtrado.xlsx')
+
+# 2. Cargar el segundo archivo (sin encabezados, asignamos los principales)
+# Asumimos que las primeras 3 columnas son email, apellidos y nombre
+df2 = pd.read_excel('lista_contactos_brevo_20251023_1394pax_AGILE611.xlsx', header=None)
+df2.rename(columns={0: 'email', 1: 'apellidos_x', 2: 'nombre_x'}, inplace=True)
+
+# 3. Unir ambos archivos (apilarlos uno debajo del otro)
+df_final = pd.concat([df1, df2], ignore_index=True)
+
+# 4. Eliminar contactos duplicados basados en la columna 'email'
+df_final.drop_duplicates(subset=['email'], keep='first', inplace=True)
+
+# 5. Exportar el resultado a un nuevo archivo Excel
+df_final.to_excel('Contactos_Unificados_Agile611.xlsx', index=False)
+print("¡Archivo unificado creado con éxito!")

file-management/unir_excels_pestanyes.py

@@ -0,0 +1,40 @@
+import pandas as pd
+import os
+import sys
+
+print("📊 --- Unificador de fitxers Excel ---")
+
+# Definim els noms dels fitxers d'entrada i el de sortida
+fitxer1 = "Contactos_rrhh_040226.xlsx"
+fitxer2 = "Contactos_2602026_7881pax.xlsx"
+fitxer_resultat = "Contactos_Unificats.xlsx"
+
+# Comprovem que els fitxers existeixen a la carpeta actual
+if not os.path.exists(fitxer1):
+    print(f"❌ Error: No s'ha trobat el fitxer '{fitxer1}'.")
+    sys.exit(1)
+
+if not os.path.exists(fitxer2):
+    print(f"❌ Error: No s'ha trobat el fitxer '{fitxer2}'.")
+    sys.exit(1)
+
+print("⏳ Llegint els fitxers... (això pot trigar uns segons depenent de la mida)")
+
+try:
+    # Llegim els dos fitxers Excel
+    df1 = pd.read_excel(fitxer1)
+    df2 = pd.read_excel(fitxer2)
+    
+    # Creem el nou fitxer Excel amb múltiples pestanyes
+    with pd.ExcelWriter(fitxer_resultat, engine='openpyxl') as writer:
+        # Escrivim cada DataFrame en una pestanya diferent
+        df1.to_excel(writer, sheet_name='RRHH', index=False)
+        df2.to_excel(writer, sheet_name='Contactos_7881', index=False)
+        
+    print(f"✅ Procés completat amb èxit!")
+    print(f"📄 S'ha creat el fitxer: {fitxer_resultat}")
+    print("   - Pestanya 1: 'RRHH'")
+    print("   - Pestanya 2: 'Contactos_7881'")
+
+except Exception as e:
+    print(f"❌ S'ha produït un error durant el procés: {e}")