如何在Bash中解析CSV文件中特定列的内容

Question

我正在尝试逐行解析一个csv文件，其格式类似于以下内容：

"name","content1,with commas as you see", "content2, also may contain commas", "..."
...
...

我想获取特定列的内容，不包括引号。例如：第一列和第三列。所期望的内容应为：

name  (if get column 1)
content2, also may contain commas   (if get column 3)

我尝试使用awk，但它没有起作用。此外，我还尝试了：

while IFS=, read col1 col2 col3 col4; 
do 
echo "got ${col1}|${col3}"; 
done < file

但是它包含了引号""，而且col3的内容是错误的，混入了每列内部的逗号。那么我应该如何分割这种在每个列中包含逗号的格式呢？

- Qingshan Zhang

Answer 1

如果您拥有GNU awk，那么FPAT将会帮助您解决问题。

gawk '{print $1,$3}' FPAT="([^,]+)|(\"[^\"]+\")" my.csv

在 awk 中，我们通常使用 FS 定义字段是什么，而不是字段不是什么。但在这种情况下，我们确实想要根据字段的内容定义它们，FPAT 正好允许我们这样做。

- jaypal singh

---

嗯，看起来还是不行，列仍然会因内容中的逗号而混淆。我可能需要逐行处理它们。 - Qingshan Zhang

你需要 GNU awk 4 版本或更高版本。 - jaypal singh

Answer 2

由于存在这些复杂性，如果您使用实际的CSV解析器（如csvtool），可能会更容易：

$ csvtool col 3 - <<< '"name","content1,with commas as you see", "content2, also may contain commas", "..."'
"content2, also may contain commas"

- l0b0