awk/sed替换换行符

use*_*612 4 csv shell awk replace

介绍:

我收到了一个CSV文件,其中字段分隔符是管道分类(即|).此文件具有预定义数量的字段(例如N).我可以N通过读取CSV文件的标题来发现它的价值,我们可以认为这是正确的.

问题:

某些字段错误地包含换行符,这使得该行看起来比所需的短(即,它具有M字段,带M < N).

我需要创建的是一个sh脚本(不是bash)来修复这些行.

尝试解决方案:

我尝试创建以下脚本来尝试修复该文件:

if [ $# -ne 1 ]
then
    echo "Usage: $0 <filename>"
    exit
fi

# get first line
first_line=$(head -n 1 $1)

# get number of fields
num_separators=$(echo "$first_line" | tr -d -c '|' | awk '{print length}')

cat $1  | awk -v numFields=$(( num_separators + 1 )) -F '|' '
{
    totRecords = NF/numFields
    # loop over lines
    for (record=0; record < totRecords; record++) {
        output = ""
        # loop over fields
        for (i=0; i<numFields; i++) {
            j = (numFields*record)+i+1 
            # replace newline with question mark
            sub("\n", "?", $j)
            output = output (i > 0 ? "|" : "") $j 
        }
        print output
    }
}
'
Run Code Online (Sandbox Code Playgroud)

但是,换行符仍然存在.我该如何解决这个问题?

CSV示例:

FIRST_NAME|LAST_NAME|NOTES
John|Smith|This is a field with a
newline
Foo|Bar|Baz
Run Code Online (Sandbox Code Playgroud)

预期产量:

FIRST_NAME|LAST_NAME|NOTES
John|Smith|This is a field with a * newline
Foo|Bar|Baz

* I don't care about the replacement, it could be a space, a question mark, whatever except a newline or a pipe (which would create a new field)
Run Code Online (Sandbox Code Playgroud)

Ed *_*ton 6

$ cat tst.awk
BEGIN { FS=OFS="|" }
NR==1 { reqdNF = NF; printf "%s", $0; next }
{ printf "%s%s", (NF < reqdNF ? " " : ORS), $0 }
END { print "" }

$ awk -f tst.awk file.csv
FIRST_NAME|LAST_NAME|NOTES
John|Smith|This is a field with a newline
Foo|Bar|Baz
Run Code Online (Sandbox Code Playgroud)

如果那不是您想要的,那么编辑您的问题以提供更真实的代表性样本输入和相关输出.

  • 是的.如果您可能需要进行任何文本操作并且可以使用CLI,我强烈推荐Arnold Robbins撰写的Effective Awk Programming,第4版. (2认同)