Question

需要您的帮助！

我有一个输入文件1.txt，如下所示：

"row1@abc.com,venki@abc.com,vr@xyz.com",field2,field3,field4
row2r@xyz.com,field2,field3,field4
field1,"row3@abc.com,venki@abc.com, vr@xyz.com",field3,field4
field1,"1111@abc.com,row4@abc.com",,field4
field1,"1111@abc.com""1234,999,row5@abc.com",,field4

我想确定没有正好四（4）列的行，并在使用copy命令将其加载到PostGres表中之前将其从文件中删除。

我正在如下使用awk：

awk -v FPAT ='（[[^，] +）||（“ [^”] +“）||（^ [] * $）''{printf（” Row：％d，NF =％ d，％s，％s，％s，％s \ n“，NR，NF，$ 1，$ 2，$ 3，$ 4）}'1.txt

输出是;

Row:1,NF=4, "row1@abc.com,venki@abc.com, vr@xyz.com", field2, field3, field4
Row:2,NF=4, row2r@xyz.com, field2, field3, field4
Row:3,NF=4, field1, "row3@abc.com,venki@abc.com, vr@xyz.com", field3, field4
Row:4,NF=4, field1, "1111@abc.com,row4@abc.com", , field4
Row:5,NF=6, field1, "1111@abc.com""1234, 999, row5@abc.com"

您可以在最后一行看到问题。它的值中有双引号和两个逗号，这使事情变得糟透了。该行的NF应该为4时为6。

任何人都可以建议使用正则表达式来识别值 “ 1111@abc.com”“” 1234,999，row5 @ abc.com“

谢谢。文基

Answer 1

解决问题的一种方法是将带引号的正则表达式部分从("[^"]+")更改为(".+")，这将使其能够捕获带引号的文本，包括逗号和双引号以及实际上任何字符。并且，交替更改正则表达式的顺序。基本上，从此更改您的正则表达式，

([^,]+)||("[^"]+")||(^[ ]*$)

到

(".+")||([^,]+)||(^[ ]*$)

这样，它将首先尝试捕获引用的数据（基于第一个正则表达式(".+")），并且将捕获"1111@abc.com""1234,999,row5@abc.com"，因为它早先试图捕获此"1111@abc.com"，因为您的正则表达式为("[^"]+")，不允许在数据中捕获任何双引号或逗号。因此，这应该可以解决您的捕获问题。

在实际运行此命令后，

awk -v FPAT='(".+")||([^,]+)||(^[ ]*$)' '{printf("Row:%d,NF=%d, %s, %s, %s, %s\n",NR, NF, $1,$2,$3,$4)}' awk.txt

在您的帖子中提到的文件数据1.txt1上，我得到了以下输出，希望该输出应该正确无误。

Row:1,NF=4, "row1@abc.com,venki@abc.com,vr@xyz.com", field2, field3, field4
Row:2,NF=4, row2r@xyz.com, field2, field3, field4
Row:3,NF=4, field1, "row3@abc.com,venki@abc.com, vr@xyz.com", field3, field4
Row:4,NF=4, field1, "1111@abc.com,row4@abc.com", , field4
Row:5,NF=4, field1, "1111@abc.com""1234,999,row5@abc.com", , field4

让我知道这是否适合您吗？

awk正则表达式：帮助匹配在双引号中包含带有逗号字段的CSV文件

1 个答案: