Question

FILE.CSV：

XA90;"standard"
XA100;"this is
the multi-line"
XA110;"other standard"

我想要＆＃34; XA100＆＃34;像这样的条目：

grep XA100 file.csv

获得此结果：

XA100;"this is
the multi-line"

但grep只返回一行：

XA100;"this is

source.csv包含3个条目。＆＃34; XA100＆＃34;条目包含多行字段。并且grep似乎不是＆＃34; grep＆＃34;的正确工具。 CSV文件包括多行字段。

你知道如何完成这份工作吗？

编辑：真实世界文件包含许多列。研究的术语可以在任何列中（不是在行的开头，也不是在字段的开头）。所有字段都由＆＃34;封装。任何字段都可以包含从1行到任意行的多行，这是无法预测的。

Answer 1

试一试这行：

awk '/^XA100;/{p=1}p;p&&/"$/{p=0}' file

我扩展了你的例子：

kent$  cat f
XA90;"standard"
XA100;"this is
the
multi-
line"
XA110;"other standard"

kent$  awk '/^XA100;/{p=1}p;p&&/"$/{p=0}' f
XA100;"this is
the
multi-
line"

Answer 2

在你提到的评论中：在真实世界文件中，每一行都以＆＃34; 开头。我假设它们也以"结束并向您展示：

测试文件：

$ cat file
"single line"
"multi-
lined"

代码和输出：

$ awk 'BEGIN{RS=ORS="\"\n"} /single/' file
"single line"
$ awk 'BEGIN{RS=ORS="\"\n"} /m/' file
"multi-
lined"

您还可以参数化搜索：

$ awk -v s="multi" 'BEGIN{RS=ORS="\"\n"} match($0,s)' file
"multi-
lined"

Answer 3

尝试： 解决方案1：

awk -v RS="XA" 'NR==3{gsub(/$\n$/,"");print RS $0}'  Input_file

将记录分隔符设置为字符串XA，然后在此处查找第3行，然后使用NULL替换$ \ n $（这将删除行尾的额外行）。然后使用当前行打印记录分隔符。

解决方案2：

awk '/XA100/{print;getline;while($0 !~ /^XA/){print;getline}}'  Input_file

查找字符串XA100然后打印当前行并使用getline转到下一行，然后使用while循环然后运行并打印行直到从XA开始一行。

Answer 4

如果此文件是从MS-Excel或类似文件导出的，则行以\r\n结尾，而引号内的换行符只是\n s，那么您只需要：

$ awk -v RS='\r\n' '/XA100/' file
XA100;"this is
the multi-line"

以上使用GNU awk进行多字符RS。在某些平台上，例如cygwin，你必须添加-v BINMODE=3所以gawk看到\r而不是它们被底层C基元剥离。

否则，如果没有真正的CSV解析器（awk目前没有，但正在为GNU awk工作），解析CSV文件是非常困难的，但你可以这样做（再次使用GNU awk for multi-char） RS）：

$ cat file
XA90;"standard"
XA100;"this is
the multi-line"
XA110;"other standard"

$ awk -v RS="\"[^\"]*\"" -v ORS= '{gsub(/\n/," ",RT); print $0 RT}' file
XA90;"standard"
XA100;"this is the multi-line"
XA110;"other standard"

用空白字符替换引号中的所有换行符，然后将其作为常规的每行记录文件处理。

Answer 5

使用PS响应，这适用于小例子：

sed 's/^X/\n&/' file.csv | awk -v RS= '/XA100/ {print}'

对于我的真实世界CSV文件，包含许多列，在任何地方都有研究过的术语，未知的多行数，带字符＆＃34;由＆＃34;＆＃34;取代，多行行以＆＃34;开头，所有字段由＆＃34;封装，这有效。注意排除第二个字符＆＃34;在sed部分：

sed 's/^"[^"]/\n&/' file.csv | awk -v RS= '/RESEARCH_TERM/ {print}'

因为任何条目的第一列都不能以＆＃34;＆＃34;开头。第一列总是看起来像＆＃34; XXXXXXXXX＆＃34;，其中X是任何字符但是＆＃34;。

感谢大家的回复，也许其他解决方案正在运行，具体取决于您使用的CSV文件格式。

＆＃34; grep的＆＃34;包含多行字段的csv文件？

5 个答案: