linux - 当定界符也出现在文件中任何位置的字段数据中时，如何替换定界符？

Question

我在 linux 中有输入文件的内容，类似

"test1",2,2,,0,"Sun,day",Jan
"be,st3",1,0,,0,"Sunday",Feb1
"nest",0,0,,0,"Sunday",Jul
"rest,5",,,,0,"Sunday",Aug

需要像这样的输出

test1|2|2||0|Sun,day|Jan
be,st3|1|0||0|Sunday|Feb1
nest|0|0||0|Sunday|Jul
rest,5||||0|Sunday|Aug

使用 tr 命令将 , 替换为 |它也取代了字段值。我无法理解如何只更改分隔符而不更改值。有人可以提供一些指示，我可以使用哪些命令来执行此任务？

Answer 1

使用 sed:

$ sed -E ':a; s/^(([^"]*("[^"]*")?)*),/\1|/; ta; s/"//g' file
test1|2|2||0|Sun,day|Jan
be,st3|1|0||0|Sunday|Feb1
nest|0|0||0|Sunday|Jul
rest,5||||0|Sunday|Aug

工作原理

如果 , 出现在偶数个 " 之后，这会将 , 更改为 |。

• :a

  这定义了一个标签a。

• s/^(([^"]*("[^"]*")?)*),/\1|/

  从行首 ^ 开始，查找以下任意数量的序列:

  1. `[^"]*`  = zero or more non-quotes
  
  2. `("[^"]*")?`  = pairs of quotes
  

• ta

  如果之前的 s 命令导致替换成功，则跳回到标签 a 并重试。

• s/"//g

  在用竖线替换所有未引号的逗号后，我们删除引号。

简化

正如 potong 指出的那样，另一种更简单的解决方案是:

sed -E 's/(([^,"]*("[^"]*")*)*),/\1|/g;s/"//g' file

之所以可行，是因为有两个微妙之处:(1) sed 的正则表达式寻找最左边的最长匹配项，以及 (2) 在进行全局 (g) 替换时，不允许后续匹配项与先前匹配项重叠。牢记这两条规则，此命令仅在偶数个引号后将 , 替换为 |。