csv文件中的Unix截断列

Question

如何从 Unix 命令行将列“test10”截断为 5 个字符？

由此

test1,test2,test3,test4,test10,test11,test12,test17
rh,mbn,ccc,khj,ee3 eeeeeEeee ee$eeee e.eeeee2eeeee5eeeeeeee,a2,3,u
hyt,bb,mb,khj,R ee3ee eeEeee ee$eeee e.eeeee2eeeee5eeeeeeee,a,5,r
mbn,htr,ccc,fdf,F1ee eeeeEeee ee$eeee e.eeeee2eeeee5eeeeeeee,a,e,r

对此

test1,test2,test3,test4,test10,test11,test12,test17
rh,mbn,ccc,khj,ee3 e,a2,3,u
hyt,bb,mb,khj,R ee3,a,5,r
mbn,htr,ccc,fdf,F1ee ,a,e,r

Answer 1

如果您的文件确实像您的示例一样简单，则可以执行以下操作之一：

• awk

  $ awk -F, -vOFS=, 'NR>1{$5=substr($5,1,5)}1' file 
  test1,test2,test3,test4,test10,test11,test12,test17
  rh,mbn,ccc,khj,ee3 e,a2,3,u
  hyt,bb,mb,khj,R ee3,a,5,r
  mbn,htr,ccc,fdf,F1ee ,a,e,r
  

  解释

  在-F,将输入字段分隔符,和-vOFS=,将变量OFS（输出字段分隔符）来,。NR是当前行号，因此上面的脚本会将第 5 个字段更改为其自身的 5 个字符的子字符串。唯一1的 awk 是“打印此行”的简写。

• perl

  $ perl -F, -lane '$F[4]=~s/(.{5}).*/$1/ if $.>1; print join ",", @F' file 
  test1,test2,test3,test4,test10,test11,test12,test17
  rh,mbn,ccc,khj,ee3 e,a2,3,u
  hyt,bb,mb,khj,R ee3,a,5,r
  mbn,htr,ccc,fdf,F1ee ,a,e,r
  

  解释

  在-a令Perl像AWK和上由给定的字符分割其输入线-F，并将其保存为数组的元素@F。然后，我们删除第 5 个字段的第 1 个字符以外的所有字符（它们从 开始计数0），然后打印@F以逗号连接的结果数组。

• sed

  $ sed  -E '1!s/(([^,]+,){4}[^,]{5,5})[^,]*,/\1,/' file
  test1,test2,test3,test4,test10,test11,test12,test17
  rh,mbn,ccc,khj,ee3 e,a2,3,u
  hyt,bb,mb,khj,R ee3,a,5,r
  mbn,htr,ccc,fdf,F1ee ,a,e,r
  

  解释

  这是一般格式为 的替换运算符s/original.replacement/。的1!意思是“不为1号线做到这一点”。正则表达式匹配一组非,后跟,4 次 ( ([^,]+,){4})，然后是任意 5 个非,字符 ( [^,]{5})——这些是第 5 个字段的第 1 个 5 —— 然后是任何其他直到字段结束( ) 的字符[^,]+,。所有这些都被行的第一部分替换，有效地截断了字段。

Answer 2

使用 awk：

$ awk -F "," 'BEGIN { OFS = FS } NR > 1 { $5 = substr($5,1,5) } { print }' data.csv

该-F标志设置输入字段分隔符，BEGIN块将输出字段分隔符设置为输入字段分隔符（逗号）。

如果当前记录的序数 ( NR) 大于 1（即我们已传递标题行），则该substr()函数会将第五个字段（列）截断为最多五个字符。这避免了修改输入数据的第一行。

单独print将（可能）修改的记录（行）打印到标准输出。