awk - analysieren Text gleiche Zeichen in Feldern als Trennzeichen mit

Question

diese Quelle vor:

field1;field2;"data;data field3";field4;"data;data field5";field6 
field1;"data;data field2";field3;field4;field5;"data;data field6" 

Wie Sie sehen können, das Feldtrennzeichen verwendet wird, innerhalb bestimmter Felder, eingeschlossen zwischen ". Ich kann nicht direkt mit awk analysieren, weil es keine Möglichkeit gibt, unerwünschte Spaltung zu vermeiden, zumindest habe ich keinen Weg gefunden. Außerdem haben diese speziellen Felder eine variable Position innerhalb einer Zeile und sie können einmal, zweimal, viermal usw. vorkommen.

Ich dachte an eine Lösung mit einem vorbereitenden Schritt, wobei ich die ; in diesen Feldern durch a Code irgendeiner Art. Das Problem ist, dass sed/awk gierigen REGEX übereinstimmen. Im obigen Beispiel kann ich also nur ; innerhalb des letzten in Anführungszeichen eingeschlossenen Feldes in jeder Zeile ersetzen.

Wie kann ich jede Instanz von Anführungszeichen abgleichen und die spezifischen ; in ihnen ersetzen? Ich will nicht perl oder python usw.

Answer 1

gnu awk verwenden können Sie in speziellen FPAT Variable verwenden, um einen regulären Ausdruck für Ihre Felder zu haben.

können Sie diesen Befehl verwenden, um alle ; von | innerhalb der doppelten Anführungszeichen zu ersetzen:

awk -v OFS=';' -v FPAT='"[^"]*"|[^;]*' '{for (i=1; i<=NF; i++) gsub(/;/, "|", $i)} 1' file 

field1;field2;"data|data field3";field4;"data|data field5";field6 
field1;"data|data field2";field3;field4;field5;"data|data field6" 

Answer 2

Als Alternative zu FPAT können Sie die awkFS setzen doppelte Anführungszeichen zu sein, und dann tauschen für Semikolon Trennzeichen jedes zweite Feld:

awk -F"\"" '{for(i=1;i<=NF;++i){ if(i%2==0) gsub(/;/, "|", $i)}} {print $0}' yourfile 

Hier awk ist:

1. Splitting der Datensatz durch doppelte Anführungszeichen (-F"\"")
2. durch jedes Feld Looping, dass es ({for(i=1;i<=NF;++i))
3. Prüfung der Feldordnungs mod 2, wenn es 0 (if(i%2==0))
4. findet Wenn es selbst dann ist es Swaps aus den Semikolons mit Rohren (gsub(/;/, "|", $i))
5. Drucke aus dem transformierten Datensatz ({print $0})