将双引号外的每个逗号替换为管道

Question

使用 sed，我想用双引号之外的每个逗号替换管道。

这样 .csv 文件中的这一行：

John,Tonny,"345.3435,23",56th Street

将转换为：

John|Tonny|"345.3435,23"|56th Street

你能帮我处理正则表达式吗？

Answer 1

使用csvkit：

$ csvformat -D '|' file.csv
John|Tonny|345.3435,23|56th Street

csvkit 中的工具知道如何处理 CVS 文件的复杂性，在这里我们使用正确csvformat替换分隔逗号|。将根据需要引用输出字段。

例子：

$ cat file.csv
John,Tonny,"345.3435,23",56th Street
The | factory,Ltd.,"0,0",meep meep

$ csvformat -D '|' file.csv
John|Tonny|345.3435,23|56th Street
"The | factory"|Ltd.|0,0|meep meep

Answer 2

如果您sed支持该-E选项（-r在某些实现中）：

sed -Ee :1 -e 's/^(([^",]|"[^"]*")*),/\1|/;t1' < file

这

:label
   s/pattern/replacement/
t label

是一个很常见的sed成语。只要成功，它就会在循环中不断进行相同的替换。

在这里，我们替换由 0 个或多个带引号的字符串或字符组成的行的前导部分，"并且,（在 中捕获\1）后跟,带有该\1捕获的 a 和 a |，因此在您的示例中，这意味着：

• John,Tonny,"345.3435,23",56th Street -> John|Tonny,"345.3435,23",56th Street
• John|Tonny,"345.3435,23",56th Street -> John|Tonny|"345.3435,23",56th Street
• John|Tonny|"345.3435,23",56th Street -> John|Tonny|"345.3435,23"|56th Street
• 我们停在这里，因为模式不再匹配了。

使用perl，您可以使用以下g标志替换：

perl -pe 's{("[^"]*"|[^",]+)|,}{$1 // "|"}ge'

在这里，假设引号在输入中是平衡的，模式将匹配所有输入，将其分解为：

• 带引号的字符串
• 除,or以外的字符序列"
• 逗号

并且仅当匹配的字符串是逗号时（$1在替换部分中未定义时），将其替换为|.