如何使用剪切命令和文本限定符

Question

我有一个包含逗号分隔值的文本文件。 示例文件格式：

cat abc.txt
A,B,C,D

cat xyz.txt
A,"1,2,3",C,D

我想从这些用逗号分隔的文件中删除第二列。

当我使用 cut 命令时，我得到以下 output：

cut -d',' -f2 abc.txt
B

这是正确和预期的 output

cut -d',' -f2 xyz.txt
"1

这是不正确的。 预期的 output 是"1,2,3"或1,2,3

有没有办法我们可以使用“”作为文本限定符从 xyz.txt 中删除第二列。 那么“”中的逗号会被跳过吗？

Answer 1

您可以使用gawk的FPAT功能，请尝试以下操作。 由于您使用的是cut我假设您也可以使用awk 。

awk -v FPAT="([^,]+)|(\"[^\"]+\")" '{print $2}'  Input_file

从man awk添加信息FPAT开箱即用变量，如下所示：

FPAT：描述记录中字段内容的正则表达式。 设置后，gawk 将输入解析为字段，其中字段匹配正则表达式，而不是使用 FS 变量的值作为字段分隔符。

注意：根据@Walter A 在评论中的警告，请注意此解决方案的第一个空字段。

Answer 2

您可以使用 PowerShell 和以下命令来实现：

Import-Csv -Path C:\Temp\abc.txt -Header H1, H2, H3, H4 |
  Select-Object -ExpandProperty H2

Import-Csv命令会将您的文件导入为 CSV 并添加一些随机标题（ -Header H1, H2, H3, H4 ），因为该文件没有任何标题。 之后它将 select 并展开第二列（ Select-Object -ExpandProperty H2 ）。

Answer 3

使用 GNU sed 4.4 这个工程

sed -r 's/(("[^"]*")|([^,]*)),(("[^"]*")|([^,]*)).*/\4/' xyz.txt

解释：
Option -r ：避免需要反斜杠
("[^"]*",) ：双引号中的字符串（也支持引号中的第一个字段，例如"A,a,a",B,C,D ）。
([^,]*) ：当没有找到带引号的字段时，匹配直到下一个逗号。
(("[^"]*")|([^,]*)) ：匹配上述格式之一的字段。
, : 只是一个,在第一个和第二个字段之间。
(("[^"]*")|([^,]*)),(("[^"]*")|([^,]*)) :（第一个字段）逗号（第二个字段）
.* ：匹配行的剩余部分（替换为空）
\4 : 第 4 次记住的比赛