AWK 为逗号和引号设置多个分隔符答案

【问题标题】：AWK set multiple delimiters for comma and quotes with commasAWK 为逗号和引号设置多个分隔符
【发布时间】：2015-09-14 01:02:48
【问题描述】：

我有一个 CSV 文件，其中的列以逗号分隔，带有逗号的文本数据的列被引用。

有时，在带引号的文本中，还存在引号来表示英寸等内容，从而导致更多引号。

没有嵌入逗号的文本数据没有引号。

例如：

A,B,C
1,"hello, how are you",hello
2,car,bike
3,13.3 inch tv,"tv 13.3"""

我如何使用 awk 打印我应该得到的每一行的列数

3
3
3

我曾想过使用$awk -F'[,"]'，但我得到的列比现有的多。

帮助表示赞赏。

【问题讨论】：

尝试字段分隔符awk --field-separator="," "{ print NF }"
@authprivate 从不将 awk 脚本放在双引号中，--field-separator="," 与 -F, 完全相同。要学习 awk，请阅读 Arnold Robbins 所著的《Effective Awk Programming, 4th Edition》一书。

【解决方案1】：

GNU awk 有一个扩展来处理这些有问题的 CSV 文件。让我们首先考虑一下，引号中没有嵌入引号：

$ awk -v FPAT="([^,]+)|(\"[^\"]+\")" '{print NF}' file.csv
3
3
3

FPAT 允许我们通过正则表达式定义字段，而不是通过分隔符定义字段。在这种情况下，我们将字段定义为不带逗号的字段([^,]+)，或用双引号括起来的字段(\"[^\"]+\")。

更多详情，请参阅the GNU manual。

处理引号内嵌入的引号

在问题的修订版中，我们有一行：

3,13.3 inch tv,"tv 13.3"""

在这种扩展情况下，如果双引号本身是双引号，则双引号可以包含在双引号字段中。为此，我们根据 lcd047 的建议扩展了正则表达式，以允许在字段中使用任意数量的这种双引号：

 awk -v FPAT="([^,]+)|(\"([^\"]|\"\")+\")"  '{print NF}' file.csv

【讨论】：

谢谢@John1024。如果在引号中还有其他引号来指定英寸，我们如何才能考虑到呢？请看我上面的例子。
@jxn 相应地更改FPAT：FPAT="([^,]+)|(\"([^\"]|\"\")+\")"
@lcd047 很好的建议。我将其添加到答案中。
如果您在 FPAT 定义周围使用单引号而不是双引号，那么您不需要转义其中的所有双引号：-v FPAT='([^,]+)|("([^"]|"")+")'。此外，如果您想允许空字段（尝试abc,,def,"",ghi），您应该将+s 更改为*s：-v FPAT='([^,]*)|("([^"]|"")*")'。

【解决方案2】：

如果您关心字段内容，请使用@John1024 的解决方案，否则这就是您所需要的：

$ awk -F, '{gsub(/"[^"]+"/,""); print NF}' file
3
3
3

【讨论】：