sed、awk、またはtrを使用し、コロン(:)を区切り文字として使用して、各行をCSV形式に分割します。

sed、awk、またはtrを使用し、コロン(:)を区切り文字として使用して、各行をCSV形式に分割します。

現在、次のように1つの列に並べられた巨大な顧客アカウント情報ファイルがあります。:各行を分割する区切り文字として使用したいと思います。しかし、これを行うときに各行を分割するときに新しい列を作成し、各行の後のデータを:その列に入れたいと思います。私の究極の目標は、これをCSV形式に変換して、データ分析および/またはデータベース構築のためにどこかにインポートできるようにすることです。

firstName:John
middleName:null
lastName:Doe
companyName:John Doe Corp
suffix:null
primaryEmail:[email protected]
primaryPhone:555.555.5555
secondaryEmail:[email protected]
secondaryPhone:null

また、これは顧客ごとの総行数ではありません。顧客あたり55行があります。

答え1

perlすべてのデスクトップまたはサーバーのLinuxディストリビューションで利用可能なものを使用してください。

perl -lne '
   BEGIN{$,=","}
   ($k,$v)=split":",$_,2;
   next unless defined $v;
   for($k,$v){s/"/""/g,$_=qq{"$_"}if/[$,"]/}
   $k=$t{$k}//=$t++;
   if(exists$f[$k]){print@f;@f=()}
   $f[$k]=$v;
   END{print@f;print STDERR sort{$t{$a}<=>$t{$b}}keys%t}
' your_file

ファイル全体を処理した後、ヘッダー(フィールド名を含む最初の行)がstderrとして印刷されることを除いて、ファイルを標準CSVに変換する必要があります。使用し... >body 2>hdrてどこかに保存できますcat hdr body > final_file.csv

空行などについては特別な意味はありません。レコードは、順序に関係なく、名前の異なるフィールドのセットで構成されていると見なされます。

,またはを含むフィールドは"内部に配置され、"..."内部は"2倍に拡張してエスケープされます""(CSVルールを使用)。

$,=","たとえば、次のように変更してフィールド区切り記号を調整できます。$,="|"(または$,="\t"タブの場合)。行を削除すると、引用符とエスケープを削除できますfor($k,$v){ ... }

awksedこれは(inまたは代わりに)行うことができます。配列全体を一度に印刷する方法がなく(繰り返し必要)、文字列を分割できないため、trもう少し複雑になります。awk限られた数のフィールド(スキルを使用する必要がありますsubstr

答え2

完全性のためにawk- 。

-スクリプトawk(私たちはこれを呼ぶconvert_csv.awk):

#!/bin/awk -f
BEGIN{FS=":";OFS=","}

# Process all non-empty lines
NF>0{
    # Check if the "key" part of the line was not yet encountered, both globally
    # and for the currently processes record.
    # If not encountered globally yet, add to list of headers (=columns).
    new_hdr=1; new_key=1;
    for (i=1; i<=n_hdrs; i++) {if (hdr[i]==$1) new_hdr=0;}
    if (new_hdr) hdr[++n_hdrs]=$1;

    for (key in val) {if (key==$1) new_key=0;}


    # Once no globally new keys are found, consider the "list of headers" as
    # complete and print it as CSV header line.
    if (!new_hdr && !hdr_printed)
    {
        for (i=1;i<=n_hdrs;i++) printf("%s%s", hdr[i], i==n_hdrs?ORS:OFS);
        hdr_printed=1;
    }

    # If the current key was already found in the currently processed record,
    # we assume that a new record was started, and print the data collected
    # so far before collecting data on the next record.
    if (!new_key)
    {
        for (i=1;i<=n_hdrs;i++) printf("%s%s", val[hdr[i]], i==n_hdrs?ORS:OFS);
        delete val;
    }

    # Associate the "value" part of the line with the "key", perform transformations
    # as necessary. Since both the 'gsub()' function used for escaping '"' to '""'
    # and the 'index()' function used to localize ',' return non-zero if an occurence
    # was found, the sum of both return values being > 0 indicates that the field
    # must be quoted.
    quote=gsub("\"","\"\"",$2)+index($2,",");
    if (quote) $2="\""$2"\"";
    val[$1]=$2;
}


# Print the last record. If it was the only record, print the header line, too (this
# is the case if 'new_hdr' is still 'true' at end-of-file).
END {
    if (new_hdr)
    {
        for (i=1;i<=n_hdrs;i++) printf("%s%s", hdr[i], i==n_hdrs?ORS:OFS);
    }

    for (i=1;i<=n_hdrs;i++) printf("%s%s", val[hdr[i]], i==n_hdrs?ORS:OFS);
}

この関数はコメントに記載されていますが、基本的に一意のキーコレクションを探して行で「すでに見つかった」キーを見つけた場合は、レコードが完了したと見なされ、レコードを印刷して次のレコードを収集するために一時バッファを消去します。 。また、フィールドの特殊文字のCSV規格に準拠するために@mosvyとマークされた変換を適用します。

電話する

awk -f convert_csv.awk input.txt

関連情報