Início / computer / Perguntas / 1834324
Accepted
Hashim Aziz
Asked: 2024-03-09 07:55:54 +0800 CST

Substitua as quebras de linha X por vírgula e exclua cada enésima quebra de linha

  • 772

Tenho registros em um arquivo texto formatado da seguinte forma:

Record1
Record1
Record1
Record1

Record2
Record2
Record2
Record2

...

Preciso converter este arquivo para CSV substituindo as 3 primeiras quebras de linha por vírgula e removendo a 4ª, resultando em uma saída como esta:

Record1,Record1,Record1,Record1
Record2,Record2,Record2,Record2

...

Qual é a melhor maneira de fazer isso no Bash, onde o melhor é mais robustez do que desempenho - a tarefa não será realizada com frequência, mas precisa permitir que os valores contenham praticamente quaisquer caracteres além de espaços em branco e quebras de linha.

bash

3 respostas

  1. Best Answer

    Eu usaria o awk para isso

    awk 'BEGIN {FS = "\n"; RS = ""; OFS = ","} {$1 = $1; print}' file

    Definir RS como uma string vazia significa que 2 ou mais novas linhas separam os registros.
    O separador de campo é uma única nova linha.

    $1 = $1é uma forma idiomática de forçar o awk a reescrever o registro atual usando o separador de campo de saída.

    • 1

  2. Apenas por diversão, um python one-liner[1] para criar o resultado esperado:

    $python -c "\
importar sys;eol='END\n';\
linhas=[line.strip()+',' if len(linha)>1 else eol para linha em sys.stdin];\
print(''.join(linhas)+eol)" \
<registros

    linhas:

    1. lançar python com uma string literal
    2. obtenha acesso a sys.stdin, defina constante de final de linha
    3. use uma compreensão de lista para ler as linhas do stdin enquanto verifica linhas vazias, substituindo-as pelo marcador eol
    4. com uma lista de linhas criada, junte as linhas, imprima-as
    5. de onde ler as linhas (redirecionamento de linha de comando)

    Ao colar o texto acima (sem o $ inicial) em um terminal (bash), você obterá isto...

    Registro1, Registro1, Registro1, Registro1, FIM
Registro2, Registro2, Registro2, Registro2, FIM
Registro1, Registro1, Registro1, Registro1, FIM
Registro2, Registro2, Registro2, Registro2, FIM
Registro1, Registro1, Registro1, Registro1, FIM
Registro2, Registro2, Registro2, Registro2, FIM

    ... ao ler 'registros' contendo o texto de amostra (repetido)...

    É um passo simples remover todos aqueles ",END"; por exemplo, canalize tudo para sed, por exemplo;
    anexe | sed -re "s/,END$//"à última linha.

    [1] O texto acima é melhor digitado em uma única linha, basta pular os \'s, que foram adicionados para melhor legibilidade AQUI.

    • 0

  3. Usando Miller e executando

    mlr --n2t --headerless-tsv-output --from input.txt \
put '$id=$1' then skip-trivial-records then \
nest --ivar "," -f 1 then \
cut -x -f id

    você consegue

    Record1,Record1,Record1,Record1
Record2,Record2,Record2,Record2

    Algumas notas:

    • skip-trivial-recordspara remover linhas vazias;
    • nest --ivar "," -f 1mesclar os valores dos registros, separando-os por,
    • 0

relate perguntas