linux - 删除列 csv 文件，其中一些包含带引号的文本，包括逗号

Question

我有一个包含数百列和 80 行的 csv 文件。我需要从文件中删除前 13 列。我试过使用：

cut -d, -f1-13 -- 补码 input.csv > output.csv

但问题是第一列中的一个包含带引号的文本，包括逗号，并且 cut 无法处理这种格式。示例输入：

标头A，标头B，标头C，标头D，标头E，标头F，标头G，标头H A，“B，B”，C，“D，D，D，D”，E，F，G，H A，“B，B”，C , "D, D, D, D", E, F, G, H A, "B, B", C, "D, D, D, D", E, F, G, H

期望的输出：

标头E, 标头F, 标头G, 标头H E, F, G, H E, F, G, H E, F, G, H

在示例中，我在类似条件下使用较少数量的列。理想情况下，该解决方案应该可以扩展到任意数量的列和行（在我的例子中是 13 列和 80 行）。我曾尝试使用 awk 寻找解决方案，但它们通常包括打印除要删除的列之外的所有列，并且由于列的数量众多，这不是一个实际的解决方案。

标签： linuxbashcsv

Answer 1

考虑到您设定的特定条件，这样的事情会起作用：

grep -oE '(("[^"]+"|[^,]+),?){5}$' input.csv > output.csv

其中5in{5}替换为您想要剩余的列数。因此，给定N列，其中前 13 列将被省略，该值将是N - 13。

注意： 如果任何引用的列数据本身包含引号，例如 ，则正则表达式将无法正确匹配"some \"data\" in quotes"，尽管可以调整模式以适应这种情况（但它变得相当复杂）。