处理 CSV 文件中字符串值中的逗号

Question 1

首先，您应该使用合适的 CSV 解析器。例如，在 Perl 中，您可以使用Text::CSV：

安装cpanm（如果你使用 Perl，稍后你会感谢我的）
```
$ sudo apt-get install cpanminus
```
如果您使用的不是基于 Debian 的系统，您应该能够使用您的发行版的包管理器来安装它。
安装Text::CSV模块
```
$ sudo cpanm Text::CSV
```

解析你的文件

$ perl -MText::CSV -le '
    $csv = Text::CSV->new({binary=>1}); 
    while ($row = $csv->getline(STDIN)){
    print "1:$row->[0], 2:$row->[1], 3:$row->[2], 4:$row->[3]"}' < file.csv 
1:prabhat,kumar, 2:19, 3:2000, 4:bangalore,India

正如您在上面看到的，第一个字段是$row->[0]，第二个字段$row->[1]等等。

这是正确的方法。一个更简单但肮脏的技巧是将任何引用的逗号替换为另一个字符。然后，正常使用awk，最后再次将它们切换回逗号。我在这里使用###，但你可以使用任何你确信永远不会出现在你的领域之一的东西。

$ sed -r 's/("[^",]+),([^",]+")/\1###\2/g' file.csv | 
    awk -F, '{print $1,$3}' | sed 's/###/,/g'
"prabhat,kumar" 2000

Answer

首先，您应该使用合适的 CSV 解析器。例如，在 Perl 中，您可以使用Text::CSV：

安装cpanm（如果你使用 Perl，稍后你会感谢我的）
```
$ sudo apt-get install cpanminus
```
如果您使用的不是基于 Debian 的系统，您应该能够使用您的发行版的包管理器来安装它。
安装Text::CSV模块
```
$ sudo cpanm Text::CSV
```

解析你的文件

$ perl -MText::CSV -le '
    $csv = Text::CSV->new({binary=>1}); 
    while ($row = $csv->getline(STDIN)){
    print "1:$row->[0], 2:$row->[1], 3:$row->[2], 4:$row->[3]"}' < file.csv 
1:prabhat,kumar, 2:19, 3:2000, 4:bangalore,India

正如您在上面看到的，第一个字段是$row->[0]，第二个字段$row->[1]等等。

这是正确的方法。一个更简单但肮脏的技巧是将任何引用的逗号替换为另一个字符。然后，正常使用awk，最后再次将它们切换回逗号。我在这里使用###，但你可以使用任何你确信永远不会出现在你的领域之一的东西。

$ sed -r 's/("[^",]+),([^",]+")/\1###\2/g' file.csv | 
    awk -F, '{print $1,$3}' | sed 's/###/,/g'
"prabhat,kumar" 2000

Question 2

如果你有 GNU awk：

$ awk -vFPAT='[^,]*|"[^"]*"' '{ gsub("^\"|\"$","",$1); gsub("^\"|\"$","",$4); print $1 $4} '
prabhat,kumarbangalore,India

输出格式有点难看，因为我只打印$1并且$4彼此相邻 - 我相信您可以根据自己的口味更改它。

如果您需要保留字段周围的双引号，请删除这两个gsub();函数。

解释：

通常，awk通过（字段分隔符）变量的内容分隔记录中的字段 FS，该变量默认为任何空白（制表符、空格和换行符）。分隔符告诉awk记录的结束位置。在csv文件中，记录以逗号结尾（传递给awkas -vFS=,），但是当然，在与您类似的示例中，这太简单了并且会损坏。

或者，FPAT（字段模式）定义中的记录awk。您无需指定awk记录的结束位置，而是创建包含整个记录的定义。在你的例子的复杂中csv，这是[^,]*|"[^"]*"

细分如下：-

[^,]尽可能多地出现非逗号 ( ) 的字符( *)。两个逗号之间的所有内容都是一个字段。
或者（|）
一个单双引号 ( ") 后跟无双引号 ( [^"]) 的次数尽可能多 ( *) 后跟一个单双引号 ( ")。双引号内的所有内容（包括逗号）均算作一个字段。

Answer