Início / coding / Perguntas / 79186586
Accepted
Hashim Aziz
Asked: 2024-11-14 04:36:33 +0800 CST

Substituir valores duplicados em colunas do arquivo CSV

  • 772

Tenho um arquivo CSV sem cabeçalho que é classificado na primeira coluna. Quando a 2ª e a 3ª colunas são idênticas, quero "recolhê-las" em uma - ou seja, deixar a última coluna vazia. Em outras palavras, isto:

0000001,11111,66666
0000002,12121,22222
0000003,33333,33333
0000004,74747,44444
0000005,12345,12345

...se torna isto:

0000001,11111,66666
0000002,12121,22222
0000003,33333,
0000004,74747,44444
0000005,12345,

Eu tentei várias permutações de grepand cutmas não consegui fazer nada funcionar - o mais próximo que cheguei foi cut -c 8-19 file.csv, que apenas isola a 2ª e a 3ª colunas. Tenho a sensação de que precisar fazer isso em colunas e precisar excluir o valor em vez da linha inteira torna isso complicado o suficiente para exigir awkor sed, e eu não sei o suficiente sobre nenhum dos dois para saber como abordar isso.

csv

5 respostas

  1. Isto awk(com qualquer distribuição) deve funcionar para você:

    awk 'BEGIN {FS=OFS=","} $2 == $3 {$3=""} 1' file

0000001,11111,66666
0000002,12121,22222
0000003,33333,
0000004,74747,44444
0000005,12345,
    • 5

  2. No GNU awkcom seus exemplos mostrados, tente o seguinte código. Usando matcha função com regex (^[^,]+,)([^,]+)(,)([^,]+)(.*$)e usando sua capacidade de salvar valores correspondentes em grupos de captura que estão sendo usados ​​para verificação posterior e impressão conforme a necessidade.

    awk '
match($0,/(^[^,]+,)([^,]+)(,)([^,]+)(.*$)/,arr){
  if(arr[2]==arr[4]){ arr[4]=arr[3] }
  print arr[1] arr[2] arr[3] arr[4]
}
' Input_file
    • 4
  3. Best Answer

    Usandosed

    $ sed -E 's/([^,]*,([^,]*),)\2/\1/' input_file
0000001,11111,66666
0000002,12121,22222
0000003,33333,
0000004,74747,44444
0000005,12345,
    • 2

  4. Isso pode funcionar para você (GNU sed):

    sed -E 's/(,.*)\1$/\1,/' file

    Faça a correspondência de padrões entre a segunda e a terceira colunas e substitua pela segunda coluna.

    • 1

  5. Eu aproveitaria o GNU AWKpara esta tarefa da seguinte maneira: deixe file.txto conteúdo ser

    0000001,11111,66666
0000002,12121,22222
0000003,33333,33333
0000004,74747,44444
0000005,12345,12345

    então

    awk 'BEGIN{FS=OFS=","}{print $1,$2,$2==$3?"":$3}' file.txt

    dá saída

    0000001,11111,66666
0000002,12121,22222
0000003,33333,
0000004,74747,44444
0000005,12345,

    Explicação: Informo ao GNU AWKque a vírgula é tanto um separador de campo ( FS) quanto um separador de campo de saída ( OFS), então componho a linha usando o chamado operador ternário com a condição de que o 2º campo seja igual ao 3º campo, o valor se verdadeiro sendo uma string vazia e o valor se falso sendo o 3º conteúdo do campo.

    (testado no GNU Awk 5.0.1)

    • 0

relate perguntas