Início / unix / Perguntas / 793110
Accepted
NetRanger
Asked: 2025-03-29 20:48:32 +0800 CST

Adicione um caractere para duplicar e-mails usando apenas o bash

  • 772

Dados de entrada:

id,location_id,name,title,[email protected],department
1,1,Susan houston,Director of Services,[email protected],
2,1,Christina Gonzalez,Director,[email protected],
3,2,Brenda brown,"Director, Second Career Services",[email protected],
4,3,Howard Lader,"Manager, Senior Counseling",[email protected],
8,6,Bart charlow,Executive Director,[email protected],
9,7,Bart Charlow,Executive Director,[email protected],

Preciso adicionar um caractere para duplicar e-mails após a parte do e-mail, ou seja, [email protected] se tornaria [email protected] (o dígito após a parte do e-mail precisa ser retirado da segunda coluna). Como posso fazer isso no Bash para todas as entradas?

bash

2 respostas

  1. Best Answer

    Supondo que quando você diz:

    [email protected] se tornaria [email protected]

    você está se referindo apenas à segunda ocorrência desse endereço de e-mail, não a todos eles, então use qualquer awk:

    $ awk 'BEGIN{FS=OFS=","} {f=NF-1} NR>1 && seen[$f]++{sub(/@/,$2"&",$f)} 1' file
id,location_id,name,title,[email protected],department
1,1,Susan houston,Director of Services,[email protected],
2,1,Christina Gonzalez,Director,[email protected],
3,2,Brenda brown,"Director, Second Career Services",[email protected],
4,3,Howard Lader,"Manager, Senior Counseling",[email protected],
8,6,Bart charlow,Executive Director,[email protected],
9,7,Bart Charlow,Executive Director,[email protected],

    O cerne disso é o sub()comando que substitui o @pelo valor do segundo campo ( $2) e então ele mesmo ( &é substituído pelo que foi correspondido na primeira parte).

    Para obter mais informações sobre o processamento de CSV com awk, consulte qual é a maneira mais robusta de analisar eficientemente o CSV usando o awk .

    • 3

  2. Usando Miller ( mlr) para ler os dados como CSV, conte o número de vezes que cada valor do [email protected]campo ocorre (adiciona um campo temporário chamado count), modifique o [email protected]campo se necessário (se countfor maior que 1) e, em seguida, exclua o countcampo temporário.

    mlr --from input.csv --csv \
    count-similar -g '[email protected]' then \
    put '$count > 1 {
        a = splita($["[email protected]"], "@");
        $["[email protected]"] = a[1] . $location_id . "@" . a[2];
    }' then \
    cut -x -f count

    A modificação do [email protected]campo é acionada pelo $count > 1teste e é realizada dividindo o campo no @caractere e depois juntando as partes novamente com o valor do location_idcampo inserido.

    Em vez de uma operação de divisão+junção, você pode fazer isso com uma sub()chamada, semelhante ao que Ed Morton mostra em seu awkcódigo :

    mlr --from input.csv --csv \
    count-similar -g '[email protected]' then \
    put '$count > 1 {
        $["[email protected]"] = sub($["[email protected]"], "@", $location_id . "@");
    }' then \
    cut -x -f count

    O resultado:

    id,location_id,name,title,[email protected],department
1,1,Susan houston,Director of Services,[email protected],
2,1,Christina Gonzalez,Director,[email protected],
3,2,Brenda brown,"Director, Second Career Services",[email protected],
4,3,Howard Lader,"Manager, Senior Counseling",[email protected],
8,6,Bart charlow,Executive Director,[email protected],
9,7,Bart Charlow,Executive Director,[email protected],

    Usando "apenas bash" (sem utilitários externos):

    declare -A seen
while IFS= read -r line; do
        addr=${line%,*}
        addr=${addr##*,}

        if [ "${seen[$addr]}" = 1 ]; then
                loc=${line#*,}
                loc=${loc%%,*}

                if [[ $line =~ (.*)@(.*) ]]; then
                        line=${BASH_REMATCH[1]}$loc@${BASH_REMATCH[2]}
                fi
        fi
        seen[$addr]=1

        printf '%s\n' "$line"
done <input.csv

    Isso faz uma série de suposições sobre a entrada que o código compatível com CSV no início desta resposta (usando Miller) manipularia sem problemas:

    1. Os campos são fixos e não se movem entre as execuções.
    2. Os campos 1º, 2º, penúltimo e último nunca contêm vírgulas incorporadas.
    3. Não há valor no [email protected]campo que seja [email protected].
    4. Nenhum campo em todo o arquivo contém uma nova linha incorporada.
    5. O @caractere ocorre apenas uma vez em cada linha de entrada e está no [email protected]campo.
    6. O segundo campo nunca é citado.

    Saída:

    id,location_id,name,title,[email protected],department
1,1,Susan houston,Director of Services,[email protected],
2,1,Christina Gonzalez,Director,[email protected],
3,2,Brenda brown,"Director, Second Career Services",[email protected],
4,3,Howard Lader,"Manager, Senior Counseling",[email protected],
8,6,Bart charlow,Executive Director,[email protected],
9,7,Bart Charlow,Executive Director,[email protected],
    • 3

relate perguntas