我有一个 csv 文件。它的行号最大为 25。
标题是时间(UTC)(第 1 场)、纬度(第 2 场)、经度(第 3 场)、深度(第 4 场)、mag(第 5 场)、地点(第 14 场)等
样本数据
2019-12-10T21:58:28.816Z 35.488 26.4157 57.32 5.4 35km NNE of Palaikastron, Greece
2019-12-11T11:54:27.670Z 18.6158 -67.2838 85 2.85 23km NW of San Antonio, Puerto Rico
首先,我要插入标题,包括内置变量 fieldwith。其次,我想将time(utc)转换为utc+03:00并分为标题的日期和时间并更改其日期格式。第三,我想在第 14 个字段的国家名称之前提取 ' of ' 单词和逗号之间的匹配项。
所需的输出为标题:
Date Time Latitude Longitude Depth Mag Place
期望的输出:
11.12.2019 00:58:28 35.488 26.4157 57.32 5.4 Palaikastron
11.12.2019 14:54:27 18.6158 -67.2838 85 2.85 San Antonio
time,latitude,longitude,depth,mag,magType,nst,gap,dmin,rms,net,id,updated,place,type,horizontalError,depthError,magError,magNst,status,locationSource,magSource
2019-12-06T13:04:46.931Z,-15.2838,-175.1193,10,6,mww,,50,3.512,0.81,us,us60006n19,2019-12-07T13:11:48.228Z,"164km WNW of Hihifo, Tonga",earthquake,8.4,1.9,0.08,15,reviewed,us,us
2019-12-04T20:10:03.614Z,-19.0515,169.5628,266,6,mww,,21,2.812,0.82,us,us60006m2j,2019-12-05T23:44:01.300Z,"63km NNE of Isangel, Vanuatu",earthquake,7.6,1.9,0.037,71,reviewed,us,us
2019-12-03T08:46:36.374Z,-18.5597,-70.6504,32.44,6,mww,,112,0.31,1.4,us,us70006fh7,2019-12-05T08:07:29.617Z,"37km WSW of Arica, Chile",earthquake,6.2,7.8,0.069,20,reviewed,us,us
2019-12-02T05:01:54.693Z,51.3218,-178.2425,27.33,6,mww,,104,0.862,0.97,us,us70006f6d,2019-12-07T02:09:55.119Z,"60km E of Amatignak Island, Alaska",earthquake,6.7,4.2,0.066,22,reviewed,us,us
2019-11-27T07:23:42.552Z,35.7272,23.2673,71.76,6,mww,,23,1.394,1.16,us,us70006dlt,2019-12-03T23:18:27.456Z,"41km NW of Platanos, Greece",earthquake,5.8,5.4,0.046,46,reviewed,us,us
2019-11-26T02:54:12.594Z,41.5112,19.5151,20,6.4,mww,,17,0.937,0.58,us,us70006d0m,2019-12-09T15:46:11.689Z,"16km WSW of Mamurras, Albania",earthquake,3.5,1.8,0.037,72,reviewed,us,us
2019-11-24T00:54:01.052Z,51.3809,-175.5108,20,6.3,mww,,22,0.658,0.95,us,us70006cb6,2019-12-10T01:04:03.731Z,"96km SE of Adak, Alaska",earthquake,3.9,1.8,0.05,38,reviewed,us,us
2019-11-23T12:11:16.261Z,1.6286,132.7854,10,6.1,mww,,38,4.549,1.1,us,us70006c6w,2019-11-25T21:00:33.040Z,"Papua region, Indonesia",earthquake,7.8,1.8,0.061,26,reviewed,us,us
2019-11-20T23:50:43.955Z,19.4533,101.3558,10,6.2,mww,,15,2.366,0.62,us,us70006ara,2019-12-04T05:52:37.313Z,"32km ESE of Chaloem Phra Kiat, Thailand",earthquake,6.4,1.7,0.049,40,reviewed,us,us
如果我能成功一件事,我就不会做其他事。这对我来说是挑战。 请指导我。一方面,难以理解awk
为它使用。另一方面,awk
时间函数非常有用。我现在很困惑。无论我尝试过什么,我都不擅长。
首先,您需要预处理 CSV 输入以更好地处理嵌入的逗号。然后将 AWK 分解为功能块。
这将替换
".*,.*"
with.*@@.*
,这将使 AWK 更容易。要将日期更改为新时区,请替换第一行:
AWK 脚本如下所示:
确保两者都是可执行并运行
preprocess.sed sample.csv | change_date.sh | reformat.awk
或者在一行:
尽管学习 awk 是一个令人钦佩的目标,但它没有用于解析真正的 CSV 文件(特别是可能包含转义或引用分隔符的字段)的内置机制 - 并且时间函数是 GNU 特定的且不可移植。
由于这些原因,您可能需要考虑使用 Perl(及其Text::CSV模块)、Python - 或者我目前最喜欢的这类东西,Miller。除了提供真正的 CSV 解析外,它们还提供了适当的
strptime
功能,而即使使用 GNU awk,mktime
您也需要手动解析和组合datespec
参数。例如,在 Miller 中,您可以执行以下操作:
如果您想要空格分隔的输出列,请更改
--csv
为--icsv --opprint
(“漂亮打印的”表格输出 - 带有标题)或--icsv --onidx
(简单的空格分隔输出)。前任。
Miller 可从 Ubuntu
universe
存储库获得。