清理不同格式的 CSV 格式的电话号码

Question

假设有如下几种不同的 CSV 格式的电话号码：

这是第一个 CSV 文件，其行如下：

"Name","Address","FullPhone"
"Mike Wise","101 Abc Drive","4061234567" // Need to separate area code from the rest

这是另一个 CSV 文件，其行如下：

"Name","Address","Areacode","Phone"
"Mike Wise","101 Abc Drive","406","123-4567" // Need to remove the dash in the seven-digit phone number

是否有某种 sed one-liner 可以使其成为以下通用格式？

"Name","Address","NPA","TELNO"
"Mike Wise","101 Abc Drive","406","1234567"

我更喜欢 sed 单行，但如果它必须不止一行，那就这样吧。此外，不需要 sed。只是觉得 sed 可能更容易，虽然我还没有想出一个 sed 解决方案。

Answer 1

$ cat tst.awk
BEGIN { FS=OFS="\",\"" }
{
    if (NR==1) {
        $3 = "NPA"
        $4 = "TELNO\""
    }
    else {
        gsub(/-/,"",$NF)
        if (NF==3) {
            sub(/.{3}/,"&"OFS,$NF)
        }
    }
    print
}

$ cat file1
"Name","Address","FullPhone"
"Mike Wise","101 Abc Drive","4061234567"

$ awk -f tst.awk file1
"Name","Address","NPA","TELNO"
"Mike Wise","101 Abc Drive","406","1234567"

$ cat file2            
"Name","Address","Areacode","Phone"
"Mike Wise","101 Abc Drive","406","123-4567"

$ awk -f tst.awk file2
"Name","Address","NPA","TELNO"
"Mike Wise","101 Abc Drive","406","1234567"

还有一些您没有要求但可能会发生的特定输入，并且无论如何都会正确处理：

$ cat file3
"Name","Address","FullPhone"
"Mike Wise","101 Abc Drive","406-1234-567"

$ awk -f tst.awk file3
"Name","Address","NPA","TELNO"
"Mike Wise","101 Abc Drive","406","1234567"

如果您需要从输入的电话号码中删除空格，而不仅仅是 -s，那么只需将 gsub(/-/,"",$NF) 更改为 gsub(/[-[:space:]]/,"",$NF) 或 gsub(/[^0-9]/,"",$NF) 或类似名称。

Answer 2

sed '1 c\
"Name","Address","Areacode","Phone"
     s/"\([0-9]\{3\}\)\([0-9]\{7\}\)"[[:space:]]*$/"\1","\2"/
     s/-\([0-9]\{1,6\}\)"[[:space:]]*$/\1"/
     ' YourFile

将适用于您的 csv 文件格式（也适用于 @EdMorton 评论后的标题）

• 1c \：将第一行改成下面一行（强制用这个代替原来的标题）
• first s/// 将更改任何 ta 尾随 3 位数字后跟 7 位数字（因此 1 包中有 10 位数字）的行，并用双引号括起来，其中 2 个字段值分别为 3 和 7 位，每个使用 s/ 的组功能//
• second s/// 将更改尾随 - 后跟 1 到 6 位数字和双引号，而不使用 - 使用组功能（参考 \1）。

第一个 s/// 不会取第二个样本的行（没有模式对应），第二个不会取第一个样本的行（同样的原因），也不会取第一个 s/// 改变的行（还是一样的原因） 第二行