使用sed或awk修复日期格式

Question

我正在尝试使用bash脚本将包含表格的HTML转换为.csv文件。

到目前为止，我已完成以下步骤：

1. 转换为Unix格式（使用dos2unix）
2. 删除所有空格和标签（使用sed 's/[ \t]//g'）
3. 删除所有空白行（使用sed ':a;N;$!ba;s/\n//g'）（这是必要的，因为HTML文件的每个单元格都有一个空行......这不是我的错）
4. 删除不必要的<td>和<tr>代码（使用sed 's/<t.>//g'）
5. 将</td>替换为'，'（使用sed 's/<\/td/,/g'）
6. 将</tr>替换为行尾（\n）字符（sed 's/<\/tr/\n/g'）

当然，我把所有这些都放在了管道中。到目前为止，它运作良好。最后一步我坚持：表格中有一个日期列，其格式为dd/mm/yyyy，我想将它们转换为yyyy-mm-dd。

是否有（简单）方法（使用sed或awk）？

数据样本（在整个sed管道之后）：

500,2,13/09/2007,30000.00,12,B-1
501,2,15/09/2007,14000.00,8,B-2

预期结果：

500,2,2007-09-13,30000.00,12,B-1
501,2,2007-09-15,14000.00,8,B-2

我需要这样做的原因是因为我需要将这些数据导入MySQL。我可以在Excel中打开文件并手动更改格式，但我想跳过它。

Answer 1

Awk可以非常轻松地完成此任务：

awk '
    BEGIN { FS = OFS = "," } 
    { split($3, date, /\//)
      $3 = date[3] "-" date[2] "-" date[1]
      print $0 
    }
' infile

它产生：

500,2,2007-09-13,30000.00,12,B-1
501,2,2007-09-15,14000.00,8,B-2

Answer 2

sed -E 's,([0-9]{2})/([0-9]{2})/([0-9]{4}),\3-\2-\1,g'

Answer 3

sed "s:,\([0-9]\+\)/\([0-9]\+\)/\([0-9]\+\),:,\3-\2-\1,:"

Answer 4

awk适用于此：

echo 08/26/2013 | awk -F/ '{printf "%s-%s-%s\n",$3,$2,$1}'

以及其中一个bash - 只有选项：

IFS=/ read m d y < <(echo 08/26/2013); echo "${y}-${m}-${d}"
IFS=/ read m d y <<< "08/26/2013"; echo "${y}-${m}-${d}"

如果您碰巧使用ksh，其中子shell未用于管道的最后一个组件，那么这也应该有效：

echo 08/26/2013 | IFS=/ read m d y; echo "${y}-${m}-${d}"

在最近的bash中，您还可以在脚本中使用shopt -s lastpipe以允许上述调用也能正常工作，但它不能在命令行上运行（感谢@ mklement0评论如下）。

我会告诉你如何将其与其他人整合......

Answer 5

到目前为止，所有答案都非常具体针对OP的问题。这是一种更通用的方法，运行（GNU，用于-d选项）date到awk：

awk 'BEGIN{FS=","}
     {
       "date -d\"" $3 "\" +%Y-%m-%d" | getline mydate; 
       print $1 "," $2 "," mydate "," $4 "," $5 "," $6
     }'

当然，只有输入日期格式由date处理时，此方法才能正常工作。不幸的是，AFAICS不是dd/mm/yyyy的情况。可以尝试other commands而不是date（未经测试）。

编辑：实施了mklement0的评论。

Edit2：实际上这不适用于mawk，这是Debian的默认awk实现。显而易见的解决方案是尽可能安装gawk。

Answer 6

对awk的修正假设你寻求yyyy-mm-dd（不是yyyy-dd-mm）

  回声08/26/2013 | awk -F /'{printf“％s-％s-％s \ n”，$ 3，$ 1，$ 2}'