☰

将 txt 文件转换为用制表符分隔的 csv

tag-icon • tag-icon command-line bash text-processing csv
将 txt 文件转换为用制表符分隔的 csv

抱歉各位，我是 Linux 新手，虽然我浏览了已回答问题列表，但我不知道是否能确定我的问题是否得到了解答。或者我是否可以将其中一个答案应用于我的特定小问题。

我从老板那里得到一个文本数据文件，他学会了使用计算机的一种方式；他不会改变。数据几乎是一个 csv 文件，只是字段都是用空格字符而不是逗号或制表符分隔的。而且文本数据字段也包含嵌入的空格。

每个字段要么是数字，要么是数字和文本，所有字段的长度各不相同，并且没有一个字段用单引号或双引号隔开。数字字段占主导地位，并且没有一个文本字段与任何其他文本字段相邻。文本字段中嵌入的数字很少在前面或后面带有 [空格] 字符。

不幸的是，并不是每个 [空格] 字符都可以被替换。相反，因为通常字段分隔符的形式是 [空格][0-9] 或 [0-9][空格]，所以我用这种方法来确定 [空格] 字符是否应该转换为 [制表符] 字符。如果 [空格] 字符在数字旁边，则将其转换为 [制表符] 字符。

因此，我使用 Windows 记事本中的“查找/替换”功能，搜索数字-空格或空格-数字组合，并将该 [空格] 字符转换为 [制表符] 字符。我必须这样做十次 [0-9][空格]，然后再这样做十次 [空格][0-9]。我正在寻找一个可以自动执行此操作的脚本。

下面是我得到的文件示例。它包含四个字段，用 [空格] 字符分隔（第一行）。接下来的每一行都是一条记录，因此第二行是第一条记录。 Account是2281、Units是19、Description是Toshiba PX-1982GRSUB{，最后该Delta字段包含0：

Account Units Description Delta  
2281 19 Toshiba PX-1982GRSUB 0  
9618 200 HP MX19942-228b -25  
19246 4 CompuCom HD300g Hard Drive 4

因此，我正在寻找一个脚本，该脚本将读取原始文件，将作为字段分隔符的 [空格] 字符转换为字符，并将其全部写入新文件。我想要解释——这样我就不会一遍又一遍地问同样的问题。

答案1

好的，所以您需要用逗号替换每行的前两个空格和最后一个空格。您不能只替换每个空格，因为第 3 个字段本身可能包含空格。您可以使用正则表达式替换来执行此操作。这是一个有效的 sed 脚本/命令：

sed -re 's/^(\S*) (\S*) (.*) (\S+)\s*$/\1,\2,\3,\4/' in.txt > out.csv

对于上面的例子，返回结果为：

Account,Units,Description,Delta
2281,19,Toshiba PX-1982GRSUB,0
9618,200,HP MX19942-228b,-25
19246,4,CompuCom HD300g Hard Drive,4

如果除第三列以外的列包含空格，那么在处理空字段和分隔符时，这仍然非常脆弱。如果像你的老板那样手动格式化，则很容易引入这种格式错误的数据。你应该建议他切换到更强大的表格格式（例如适当的 CSV & Co.）和编辑器（常见的电子表格工具可以很好地灵活地处理 CSV，例如 LibreOffice/OpenOffice Calc、Microsoft Excel 和 Google Docs）。

答案2

在网上搜索“用逗号代替空格”很有收获，你一开始不是也这么想吗？会找到很多答案，比如这：

tr ' ' ',' < input > output

或者对于标签：

tr '\t' ',' < input > output

和

sed 's/\s\+/,/g' input > output

\s是空格类（如 [:space:]），也应该替换任何连续+的空格、制表符或换行符（（转义）= 一个或多个前面的字符）。下一个只会用一个逗号替换每个单个空格或制表符（如运行上面的两个tr's）：

sed 's/[ \t]/,/g' input > output

并-i在sed

这是一个 sed，它将匹配空格-数字或数字-空格，并用逗号替换它们，使用 OR 命令/符号|转义，如下\|所示：

sed 's/ [0-9]\|[0-9] /,/g'

相关内容