Question

我有一个CSV文件，转换为.DAT。我有一个AWK文件，它假设要进行DAT文件的映射。 AWK文件中的代码如下所示。

DAT文件的内容如下所示（制表符分隔）：

ODT AGE CDT CO SEX TIME VALUE COMMENT
P3 Y6-8 ACT FG F 2011 1297
P4 Y3-4 EMP FG M 2011 6940 b
P1 Y7-9 GRT FG F 2011 0 c

我需要做的是：

将标题与列顺序保持在一起 - 完成
如果COMMENT的值为＆＃34; c＆＃34;如果COMMENT的值是＆＃34; b＆＃34;那么必须将列COMMENT更改为STRING_COM。（或其他任何不同于＆＃34; c＆＃34;）COMMENT列必须更改为STRING_STATUS
除了此处提到的栏目外，无论收到哪些栏目，都必须将其删除
VALUE列应重命名为＆＃34; NUMB＆＃34;

这是我的代码，只修复了第一点

BEGIN {
  FS = "," ;
  OFS = " " ;
}

{
  if(NR == 1)
  {
    split($0, tmp, ",");
    for(i = 1; i <= NF; i++)
    fields[tmp[i]] = i
    print tmp[1], tmp[2], tmp[3], tmp[4], tmp[5], tmp[6], tmp[7], tmp[8]

   else
   {
     split($0, tmp, ",");
     for(i = 1; i <= NF; i++)
     fields[tmp[i]] = i

    print tmp[1], tmp[2], tmp[3], tmp[4], tmp[5], tmp[6], tmp[7], tmp[8]
  }
}

dat文件中的预期结果：

ODT AGE CDT CO SEX TIME NUMB STRING_COM STRING_STATUS
P3 Y6-8 ACT FG F 2011 1297
P4 Y3-4 ERT FG M 2011 6940 b
P1 Y7-9 GRT FG F 2011 0 c

在CSV文件中，分隔符为＆＃34;，＆＃34;但是dat文件必须带有制表符分隔符，这就是为什么我有代码.... FS =＆＃34;，＆＃34; 关于第三点，解释是：我可能会收到其他不需要的列。总而言之，我已经以某种方式指定只需要这些列：ODT AGE CDT CO SEX TIME VALUE COMMENT）收到的任何其他列都必须被忽略

CSV文件为：

ODT,AGE,CDT,CO,SEX,TIME,VALUE,COMMENT
P3,Y6-8,ACT,FG,F,2011,1297,
P4,Y3-3,EMP,FG,M,2011,6940,b
P1,Y7-9,GRT,FG,F,2011,0,c

下面提供的解决方案工作正常。还有一些问题：

如果我在AGE或CDT之后将列COMMENT放在＆＃34; c＆＃34;字符在第二行添加。第二行包含两个选项卡，然后是＆＃34; c＆＃34;字符。如果COMMENT在最后并包含字符＆＃34; c＆＃34;，＆＃34; bcc＆＃34;结果仅在STRING_STATUS上进行，而不是进行分离＆gt; ＆＃34; C＆＃34;转到STRING_COM和＆＃34; bcc＆＃34;转到STRING_STATUS

必须实施以下案例：

如果VALUE是＆＃34;：＆＃34;然后NUMB为空
如果VALUE是＆＃34;：＆＃34;和评论＆＃34; c＆＃34;然后NUMB为空，STRING_COM为＆＃34; c＆＃34;
如果VALUE是＆＃34;：＆＃34;和评论＆＃34; u＆＃34;然后NUMB为空，STRING_STATUS为＆＃34; u＆＃34;
如果VALUE是＆＃34; 14,38＆＃34;和评论＆＃34; d＆＃34;然后NUMB是＆＃34; 1438＆＃34;和STRING（两者）为空
如果VALUE是＆＃34; 14,38＆＃34;和评论＆＃34; du＆＃34;然后NUMB是＆＃34; 1438＆＃34;和STRING_STATUS是＆＃34; u＆＃34;
如果VALUE是＆＃34;：＆＃34;和评论＆＃34; cd＆＃34;然后NUMB为空，STRING_COM为＆＃34; c＆＃34;
如果VALUE是＆＃34;：＆＃34;和评论＆＃34; bc＆＃34;然后NUMB为空，STRING_COM为＆＃34; c＆＃34;和STRING_STATUS是＆＃34; b＆＃34;

我该怎么做？

是否有人可以帮助解决这个问题？

Answer 1

如果所有行都具有相同的列顺序：

awk '
BEGIN {
  FS=","; OFS="\t";
  a["ODT"]=1;a["AGE"]=1;a["CDT"]=1;a["CO"]=1;
    a["SEX"]=1;a["TIME"]=1;a["VALUE"]=1;a["COMMENT"]=1;
}
NR==1 {
    $NF=substr($NF,1,length($NF)-1);
    for(i=1;i<=NF;i++) if($i in a) a[$i]=i;
}
{   print $a["ODT"],$a["AGE"],$a["CDT"],$a["CO"],$a["SEX"],$a["TIME"],NR==1?"NUMB":$a["VALUE"],
    NR==1?"STRING_COM"OFS"STRING_STATUS":($a["COMMENT"]!="c"?""OFS$a["COMMENT"]:$a["COMMENT"]);
}' input.txt

我稍微更改了输入，添加了一列（ADDED）并重新排序了另外两列（TIME和VALUE）：

ODT,ADDED,AGE,CDT,CO,SEX,VALUE,TIME,COMMENT
P3,111,Y6-8,ACT,FG,F,1297,2011,
P4,222,Y3-3,EMP,FG,M,6940,2011,b
P1,333,Y7-9,GRT,FG,F,0,2011,c

输出：

ODT AGE CDT CO  SEX TIME    NUMB    STRING_COM  STRING_STATUS
P3  Y6-8    ACT FG  F   2011    1297        
P4  Y3-3    EMP FG  M   2011    6940        b
P1  Y7-9    GRT FG  F   2011    0   c

修改

如果输入的列多于所需的列，则额外的列不会出现在输出中，例如我在此处使用的输入有一个额外的列ADDED，它不会出现在输出中。

它将按照所讨论的首选顺序打印输出，即ODT AGE CDT CO SEX TIME NUMB STRING_COM STRING_STATUS，无论它们在输入中出现的顺序如何。再次在输入中，我使用VALUE之前出现的列TIME，但在输出TIME中是第一列而NUMB是第二列。通过

如果所有行都具有相同的列顺序

我的意思是如果所有行都遵循标题行的顺序。如果标题中的顺序为ODT AGE CDT CO SEX TIME VALUE COMMENT，则如果标题中的顺序为AGE ODT CDT CO SEX TIME VALUE COMMENT，则所有行中的数据将按此顺序显示，则所有其他行中的数据都具有此顺序。它并不假设例如ODT始终是所有文件中的第一列，它假定在文件中订单由标题定义。如果不是这样，那么代码就不会起作用。

<强> EDIT2

我测试过它：

ODT,ADDED,AGE,CDT,CO,SEX,VALUE,TIME,COMMENT P3,111,Y6-8,ACT,FG,F,1297,2011,cd P4,222,Y3-3,EMP,FG,M,6940,2011,bd P1,333,Y7-9,GRT,FG,F,0,2011,c

作为输入文件，输出为：

ODT AGE CDT CO SEX TIME NUMB STRING_COM STRING_STATUS P3 Y6-8 ACT FG F 2011 1297 cd P4 Y3-3 EMP FG M 2011 6940 bd P1 Y7-9 GRT FG F 2011 0 c

视觉bd和cd位于STRING_COM列下，原因是标题长度超过标签大小，通常为8个字符。输出是制表符分隔的，可以打印两个选项卡以使它们显示在STRING_STATUS下，但如果输出打算由另一个程序使用，则可能会导致一些问题，因为它会产生一个空字段。如果您只需要打印，可以将第12行更改为：

NR==1?"STRING_COM"OFS"STRING_STATUS":($a["COMMENT"]!="c"?""OFS""OFS$a["COMMENT"]:$a["COMMENT"]);

输出将是：

ODT AGE CDT CO SEX TIME NUMB STRING_COM STRING_STATUS P3 Y6-8 ACT FG F 2011 1297 cd P4 Y3-3 EMP FG M 2011 6940 bd P1 Y7-9 GRT FG F 2011 0 c

Answer 2

我用Ashkan的答案作为起点，并提出了下面的脚本。但是，这两点在CSV文件的上下文中没有意义，除非VALUE被引号（或其他东西）包围。请澄清。

如果VALUE为“14,38”而COMMENT为“d”，那么NUMB为“1438”且STRING（两者）为空

如果VALUE为“14,38”且COMMENT为“du”，则NUMB为“1438”且STRING_STATUS为“u”

Awk脚本：

BEGIN {
    FS=","; OFS="\t";
    a["ODT"]=1;a["AGE"]=1;a["CDT"]=1;a["CO"]=1;
    a["SEX"]=1;a["TIME"]=1;a["VALUE"]=1;a["COMMENT"]=1;
}
NR==1 {
    for (i=1;i<=NF;i++) {
        if ($i in a) a[$i]=i;
    }
    print "ODT","AGE","CDT","CO","SEX","TIME","NUMB","STRING_COM","STRING_STATUS"
}
NR!=1{
    split($0,line,/,/);
    value = line[a["VALUE"]];
    comment = line[a["COMMENT"]];
    string_com="";
    string_status="";
    if (value==":") {
        value="";
        if (comment=="c") string_com = "c";
        if (comment=="u") string_status = "u";
        if (comment=="cd") string_com = "c";
        if (comment=="bc") {
            string_com = "c";
            string_status = "b";
        }
    }
    else {
        if (comment=="c")
            string_com = "c";
        else if (comment=="d") {
            # convert value
            string_com = "";
            string_status = "";
        }
        else if (comment=="du") {
            # convert value
            string_status = "";
        }
        else
            string_status = comment;
    }
    print line[a["ODT"]],
        line[a["AGE"]],
        line[a["CDT"]],
        line[a["CO"]],
        line[a["SEX"]],
        line[a["TIME"]],
        value,
        string_com,
        string_status
}

CSV2 dat文件头和列操作

我该怎么做？

2 个答案: