我需要在逗号分隔值文件中删除2列内容。考虑以下csv文件中的一行：
"abc@xyz.com,www.example.com",field2,field3,field4
"def@xyz.com",field2,field3,field4
现在，我希望最终得到的结果是：
"abc@xyz.com,www.example.com",field4
"def@xyz.com",field4
我使用了以下命令：
awk 'BEGIN{FS=OFS=","}{print $1,$4}'
但是引号内部的逗号会产生问题，以下是我得到的结果：
"abc@xyz.com,field3
"def@xyz.com",field4
来自GNU awk手册 (http://www.gnu.org/software/gawk/manual/gawk.html#Splitting-By-Content)：
$ awk -vFPAT='([^,]*)|("[^"]+")' -vOFS=, '{print $1,$4}' file
"abc@xyz.com,www.example.com",field4
"def@xyz.com",field4
请查看What's the most robust way to efficiently parse CSV using awk?以了解更通用的CSV解析方法，包括字段内的换行符等。
pip install csvkit安装的命令行工具集合，专门用于处理CSV文件。其中包括csvcut，它可以满足你所需的功能。这不是一个bash/awk解决方案。请注意保留HTML标签。csvcut --columns=1,4 <<EOF
"abc@xyz.com,www.example.com",field2,field3,field4
"def@xyz.com",field2,field3,field4
EOF
输出：
"abc@xyz.com,www.example.com",field4
def@xyz.com,field4
$ awk -F, '{for (i=1;i<=NF;i++){printf "%s%s",(i>1)?",":"",$i; if ($i ~ /"$/)i=i+2};print""}' file
"abc@xyz.com,www.example.com",field4
"def@xyz.com",field4
如评论中所述，awk 不能原生地理解带引号的分隔符。该解决方案通过查找以引号结尾的第一个字段来解决这个问题。然后跳过接下来的两个字段。
for (i=1;i<=NF;i++)
这开始了一个针对每个字段的for循环。
printf "%s%s",(i>1)?",":"",$i
这会打印字段。如果它不是第一个字段，则在字段之前加上逗号。
if ($i ~ /"$/)i=i+2
如果当前字段以双引号结尾，则将字段计数器增加2。这是我们跳过第2和第3个字段的方法。
print""
完成for循环后，这会打印一个换行符。
awk '{while(match($0,/"[^"]+",|([^,]+(,|$))/,a)){
$0=substr($0,RSTART+RLENGTH);b[++x]=a[0]}
print b[1] b[4];x=0}' file
"abc@xyz.com,www.example.com",field2,field3,field4
"def@xyz.com",field2,field3,field4
field1,"abc@xyz.com,www.example.com",field3,field4
"abc@xyz.com,www.example.com",field4
"def@xyz.com",field4
field1,field4
它甚至可以在
field1,"field,2","but this field has ""escaped"\" quotes",field4
强大的FPAT变量在某些情况下会失效！
while(match($0,/"[^"]+",|([^,]+(,|$))/,a))
开始一个while循环，只要匹配成功（即存在一个字段），就会继续。
该匹配将匹配正则表达式的第一个出现，并恰好匹配字段并将其存储在数组a中。
$0=substr($0,RSTART+RLENGTH);b[++x]=a[0]
$0设置为从匹配字段的结尾开始，并将匹配字段添加到b对应数组位置。 print b[1] b[4];x=0}
打印你想要的b字段，并将x设置为零以便下一行使用。
如果字段同时包含转义引号和逗号，则会失败。
更新以支持空字段。
awk '{while(match($0,/("[^"]+",|[^,]*,|([^,]+$))/,a)){
$0=substr($0,RSTART+RLENGTH);b[++x]=a[0]}
print b[1] b[4];x=0}' file
foo,,bar，它也会失败。 - Ed Mortonx=0时，需要添加delete b，否则当当前记录的字段较少时，b将保留上一条记录末尾的内容，例如对于输入行a,b,c后跟着只有d,e的情况下，print b[3]会输出两次c。 - Ed Morton
perl -lnE 'while(/([^,]*)|("[^"]+")/g){say "#$1#"}' <<<'Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA'- Johannes Riecken"1234 A Pretty Street和NE"上作为2个单独的字符串进行匹配似乎是错误的，因为上面的awk和grep -Eo '([^,]*)|("[^"]+")' <<<'Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA'都将"1234 A Pretty Street, NE"识别为一个单一的字符串。当然，那个perl脚本可能包含一些神奇的咒语，意味着“不要匹配最左边最长的”，我不知道，因为我不懂perl语法。 - Ed Morton