Bash - 具有不同值的重复行答案

【问题标题】：Bash - duplicate lines with different valuesBash - 具有不同值的重复行
【发布时间】：2021-08-10 23:28:50
【问题描述】：

在 Bash 中，我有一个包含以下内容的文件：

05-24-2021,DIS,HostXYZ,   ,,No connection possible,
05-24-2021,DIS,HostABC,BWV ,No connection possible,
06-18-2021,SID,HostWER,SE1  ,No connection possible,
06-18-2021,SID,"Host1:32115,Host2:32115",  ,SOME TEXT,
06-18-2021,SID,HostZZZ,  ,,
06-18-2021,SID,"Host3:32115,Host4:32115",  ,ALSO SOME TEXT,

我想搜索一种方法来复制包含 2 个给定主机的行并将它们分成 2 行，如下所示：

05-24-2021,DIS,HostXYZ,   ,,No connection possible
05-24-2021,DIS,HostABC,BWV ,No connection possible,
06-18-2021,SID,HostWER,SE1  ,No connection possible,
06-18-2021,SID,Host1,  ,SOME TEXT,
06-18-2021,SID,Host2,  ,SOME TEXT,
06-18-2021,SID,HostZZZ,  ,,
06-18-2021,SID,Host3,  ,ALSO SOME TEXT,
06-18-2021,SID,Host4,  ,ALSO SOME TEXT,

也许你有任何改变它的想法？我真的很感激。我用 awk、sed 等进行了尝试。我能够复制（使用“sed 's/:/:/p'”）至少受影响的行，但不能“过滤掉”特定值。

【问题讨论】：

输入中是否有文字**？这听起来像你只是想解析一个伪csv，它在一些用双引号表示的列中具有分隔符。
如果适合您的问题，请不要忘记将答案标记为已接受。

标签： awk sed duplicates

【解决方案1】：

使用 GNU awk 获取 FPAT:

$ cat tst.awk
BEGIN {
    FPAT = "[^,]*|\"[^\"]*\""
    OFS = ","
}
$3 ~ /,/ {
    gsub(/"/,"",$3)
    n = split($3,hosts,/,/)
    for (i=1; i<=n; i++) {
        sub(/:.*/,"",hosts[i])
        $3 = hosts[i]
        print
    }
    next
}
{ print }

$ awk -f tst.awk file
05-24-2021,DIS,HostXYZ,   ,,No connection possible,
05-24-2021,DIS,HostABC,BWV ,No connection possible,
06-18-2021,SID,HostWER,SE1  ,No connection possible,
06-18-2021,SID,Host1,  ,SOME TEXT,
06-18-2021,SID,Host2,  ,SOME TEXT,
06-18-2021,SID,HostZZZ,  ,,
06-18-2021,SID,Host3,  ,ALSO SOME TEXT,
06-18-2021,SID,Host4,  ,ALSO SOME TEXT,

如果您要使用 awk 进行更复杂的 CSV 解析，请参阅 What's the most robust way to efficiently parse CSV using awk?。

【讨论】：

【解决方案2】：

用awk 试试这个是一个非常糟糕的主意。使用适当的 csv 解析器。但是，虽然它很脆弱，但您可以尝试：

awk 'NF<2; NF>2{n=split($2,a,","); 
    for(i=1;i<=n;i++) printf("%s,%s,%s\n", $1,a[i],$3)}'  FS=\" input

【讨论】：

【解决方案3】：

如果每行最多有两个主机，用双引号括起来，一个简单的方法是使用捕获组获取重复项：

sed -r 's/^(.*)"(Host[^":]*):[^",]*,(Host[^":]*):[^",]*"(.*)$/\1\2\4\n\1\3\4/'

正则表达式：

s/a/b/：用b 替换a 正则表达式匹配的文本
^(.*)"：捕获行首直到出现双引号（第 1 组）
(Host[^":]*):[^",]*,(Host[^":]*):[^",]*"：在双引号后找到描述两个主机并以双引号结尾的文本；捕获每个主机名（第 2 组和第 3 组）
(.*)$: 捕获该行的剩余文本

替换：将匹配的行替换为两行（以行尾分隔 \n），以捕获的文本 1 开头，然后是捕获的文本 2 第一行和3 第二个；以最后捕获的文本4 结束每一行，即匹配行的剩余文本。

此答案取决于您提供的示例。它不会涵盖无数的边缘情况。

【讨论】：

【解决方案4】：

在awk，你可以这样做：

awk 'BEGIN{FS="\""} 
  (NF == 1) {print}
  (NF > 2) {
    split($2, h, ","); 
    for (i = 1; i <= 2; i++) {
      gsub(/:[0-9]*/, ",", h[i]); 
      print $1 h[i] $3
    }
  }' input

【讨论】：