在 CSV 文件内将 1 到 9 之间的个位数转换为两位数

Question

我有一个包含数千行这样的 CSV 文件

1664;4;5;35;37;43;5;6
1663;21;23;32;40;49;8;11
1662;16;17;34;35;44;5;10
1661;2;9;23;32;40;6;7
1660;23;25;30;44;47;9;12
1659;3;5;9;32;43;6;10
1658;4;6;10;13;34;3;5
1657;8;9;33;35;40;3;6
1656;15;20;31;44;48;1;3
1655;25;27;35;40;45;7;11
1654;7;32;33;34;38;6;9
1653;5;7;11;27;37;6;12
1652;7;31;33;35;36;7;10
1651;4;12;34;35;45;1;9
1650;5;8;29;35;48;5;6
1649;2;11;28;42;48;4;9
1648;2;11;12;19;38;4;8

您可以看到 1 到 9 之间的数字都是个位数。

我如何使用sed或将这些数字转换为两位数，方法是在它们前面加一个零，例如

1664;4;5;35;37;43;5;6
1663;21;23;32;40;49;8;11
1662;16;17;34;35;44;5;10
1661;2;9;23;32;40;6;7
1660;23;25;30;44;47;9;12
1659;3;5;9;32;43;6;10
1658;4;6;10;13;34;3;5
1657;8;9;33;35;40;3;6
1656;15;20;31;44;48;1;3
1655;25;27;35;40;45;7;11
1654;7;32;33;34;38;6;9
1653;5;7;11;27;37;6;12
1652;7;31;33;35;36;7;10
1651;4;12;34;35;45;1;9
1650;5;8;29;35;48;5;6
1649;2;11;28;42;48;4;9
1648;2;11;12;19;38;4;8

代替

01 02 03 04 05 06 07 08 09

提前致谢。

Answer 1

这是一个使用以下解决方案awk：

awk 'BEGIN{FS=OFS=";"} {for (i=1;i<=NF;i++) $i=sprintf("%02d",$i)} 1' file.csv

这将首先将输入和输出字段分隔符设置为;。然后，它将迭代所有字段，并通过使用将字段宽度规范化为至少两位数字，并使用左零填充sprintf()（如果字段内容已经是两位数字，则实际上不会更改字段内容）。

看似偏离1操作块之外的内容指示awk打印当前行，包括所有更改。

请注意，awk默认情况下不会修改文件，而只会打印到stdout，因此您可以

• 必须将输出重定向到临时文件并重命名，如

  awk ' ... ' file.csv > output.csv && mv output.csv file.csv
  

• 或使用awk支持-i inplace扩展的版本：

  awk -i inplace ' ... ' file.csv
  

另请注意，这种特殊情况是根据您的示例输入定制的，该示例输入仅包含一位数或两位数数字。对于填充数字的更一般情况n，您可以使用

awk -v n=3 'BEGIN{FS=OFS=";"} {for (i=1;i<=NF;i++) $i=sprintf("%0*d",n,$i)} 1' file.csv

Answer 2

您可以用来sed挑选一个单个数字的“单词”，并在其前面加上零：

\n

sed -E 's/\\<([0-9])\\>/0\\1/g' {file}\n

\n

全面的：

\n

\n
• 该-E标志确保sed将使用扩展正则表达式（ERE）而不是标准/普通正则表达式。
\n
• s/ \xe2\x80\xa6pattern\xe2\x80\xa6 / \xe2\x80\xa6replacement\xe2\x80\xa6 /g定义了一个替换，该替换将 ERE 匹配应用于\xe2\x80\xa6pattern\xe2\x80\xa6以及相应的替换\xe2\x80\xa6replacement\xe2\x80\xa6。由于g（“全局”）标志，匹配/替换对一行应用了尽可能多的次数。
\n
• 没有行选择，所以隐式地将此规则应用于输入中的每一行。
\n

\n

在 ERE 匹配模式中：

\n

\n
• \\<并\\>表示单词边界
\n
• (并)识别可以稍后重用的分组表达式
\n
• [0-9]是任意一位数字
\n

\n

在 ERE 替换中：

\n

\n
• 0是一个字面0字符
\n
• \\1插入第一个分组表达式捕获的文本，即单个数字的实例
\n

\n

输出：

\n

1664;04;05;35;37;43;05;06\n1663;21;23;32;40;49;08;11\n1662;16;17;34;35;44;05;10\n1661;02;09;23;32;40;06;07\n1660;23;25;30;44;47;09;12\n1659;03;05;09;32;43;06;10\n1658;04;06;10;13;34;03;05\n1657;08;09;33;35;40;03;06\n1656;15;20;31;44;48;01;03\n1655;25;27;35;40;45;07;11\n1654;07;32;33;34;38;06;09\n1653;05;07;11;27;37;06;12\n1652;07;31;33;35;36;07;10\n1651;04;12;34;35;45;01;09\n1650;05;08;29;35;48;05;06\n1649;02;11;28;42;48;04;09\n1648;02;11;12;19;38;04;08\n

\n

在这种情况下，文件是否确实是 CSV（由逗号“ ,”分隔的字段），或者是否具有由分号（“ ;”）分隔的字段，甚至由空格分隔的字段，都无关紧要。

\n

如果您sed支持-i，您可以“就地”编辑文件，但请注意，与大多数其他实用程序一样，“就地”效果实际上是在幕后实现的，即“写入临时文件，然后用该文件替换原始文件”临时的”：

\n

sed -E 's/\\<([0-9])\\>/0\\1/g' file >file.$$.tmp &&\n    mv -f file.$$.tmp file\nrm -f file.$$.tmp\n

\n

Answer 3

鉴于您的输入样本，它看起来像

perl -pi -e 's/\b\d\b/0$&/g' file.csv

应该做。

这会将 a 附加0到前面和后面都有单词boundary 的所有数字前面。如果您想按照问题的措辞所暗示的那样不受干扰，请替换为\d。[1-9]0

与 GNU 实现相同sed

sed -i 's/\b[[:digit:]]\b/0&/g' file.csv

使用mlr(miller) 的最新版本，您还可以执行以下操作：

mlr --csv -N --fs ';' put '$* = fmtifnum($*, "%02d")'

将所有数字字段格式化为以 0 填充的整数，长度为 2。

这将使非数字字段中的数字（例如"foo 1 and 2";x-2）保持不变，但请注意，它也会重新格式化非整数数字（1e0例如 、10e-1、1.123、0x1都会更改为01）。

仅填充仅包含一位十进制数字的字段（带引号或不带引号）：

mlr --csv -N --fs ';' put 'for (k in $*) {$[k] = sub(string($[k]),"^\d$","0\0")}'

Answer 4

使用带有类型推断 ( ) 的Miller-A并输出零填充且最小字段宽度为 2 的整数值：

mlr -A --nidx --fs ';' --ofmt '%02d' cat file

请注意，根据您的输入示例，我假设数据实际上是索引编号的而不是 CSV。