示例输入数据::
cat test.csv
234,aa,bb,cc,30,dd
22,cc,
ff,dd,
40,gg
pxy,aa,,cc,
40
,dd
所需输出::
cat test_new.csv
234,aa,bb,cc,30,dd
22,cc,ff,dd,40,gg
pxy,aa,,cc,40,dd
我尝试了各种 awk
和 sed
命令,但似乎没有任何效果。
例如::awk 'NR == 1{ printf $0;下一个 } { printf "%s%s", (/^[0-9]+,/? ORS : ""), $0 } END{ print ""}'
上面的 awk
仅查找带有“,”的数字字符,但是如果数字出现在带有换行符的列中,这将创建额外的行。
输入文件包含 Control M 字符,我已经使用 dos2unix 删除了
最佳答案
关于“输入文件包含 Control M 字符,我已经使用 dos2unix 删除了” - 这可能会让您的生活变得更加困难。行中的“换行符”很可能只是 LF
,而记录结尾是 CRLF
,因此通过删除 CR
我们不能再简单地将 awk RS
设置为 CRLF
,然后删除记录中剩余的任何 LF
。
如果您的文件是从 Excel 导出的,正如您在问题下的注释中所说,那么无论字段是否带引号,它都会在每条记录的末尾使用 CRLF
,并且 LF
在每个字段中单独存在,如果您不运行 dos2unix
,它看起来像这样:
$ cat -v test.csv
234,aa,bb,cc,30,dd^M
22,cc,
ff,dd,
40,gg^M
pxy,aa,,cc,
40
,dd^M
然后使用任何 awk:
$ awk -v ORS= '{sub(/\r$/,"\n")} 1' test.csv
234,aa,bb,cc,30,dd
22,cc,ff,dd,40,gg
pxy,aa,,cc,40,dd
或者,如果您愿意,可以使用 GNU awk 进行多字符 RS:
$ awk -v RS='\r\n' '{gsub(/\n/,"")} 1' test.csv
234,aa,bb,cc,30,dd
22,cc,ff,dd,40,gg
pxy,aa,,cc,40,dd
有关使用 awk 解析 CSV 的更多信息,请参阅 What's the most robust way to efficiently parse CSV using awk? .
关于您的原始脚本 - 切勿使用 printf $0
,始终使用 printf "%s", $0
代替,因为前者在 $0
时会失败> 包含任何 printf 格式化字符,例如 %s
:
$ echo 'a%sb' | awk '{printf "%s", $0}'
a%sb$
$ echo 'a%sb' | awk '{printf $0}'
awk: cmd. line:1: (FILENAME=- FNR=1) fatal: not enough arguments to satisfy format string
`a%sb'
^ ran out for this one
$
这适用于对所有输入数据使用 printf
。
关于shell - 从unix中的内部列中删除csv文件中的新行字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68919927/