bash - 使用 bash 脚本将许多 txt 文件转换为 xls 文件

Question

我正在尝试将许多文本文件转换为 xls 文件。 txt文件的样式如下:

"Name";"Login";"Role"
"Max Muster";"Bla102";"user"
"Heidi Held";"Held100";"admin"

我尝试使用这个 bash 脚本:

for file in *.txt; do
      tr ";" "," < "$file" | paste -d, <(seq 1 $(wc < "$file")) - > "${file%.*}.xls"
      soffice --headless --convert-to xls:"MS Excel 95" filename.xls "${file%.*}.xls"
done

有了这个，我失去了标题行，我也得到了一个带有许多中文标志的列，但其余的看起来还不错:

攀挀琀 |  Max Muster |  Bla102   |  user
氀愀猀 |  Heidi Held |  Held100  |  admin

如何去除这些中文符号并保留标题行？

Answer 1

不幸的是，这个问题没有提供足够的细节来确定问题到底是什么；但我们至少在评论中确定了以下内容。

• 显然，输入文件包含 DOS 回车符。
• 显然，办公室 attempted to read the file as UTF-16 ，这就是产生基本上随机的汉字的原因。 (字符可以是任何东西；随机 Unicode BMP 字符更可能出现在中文/日文 block 中。)

根据这些观察和对现有脚本的重构，尝试

for file in *.txt; do
    awk -F ';' 'BEGIN { OFS="," }
        FNR==1 {
            # Add UTF-8 BOM
            printf "\357\273\277"
            # Generate header line for soffice to discard
            for (i=1; i<=NF; i++) printf "bogus%s", (i==NF ? "\n" : OFS)
        }
        { sub(/\015/, ""); print FNR, $0 }' "$file" > "${file%.*}.xls"
    soffice --headless --convert-to xls:"MS Excel 95" filename.xls "${file%.*}.xls"
done

换句话说，Awk 脚本以分号 (-F ';') 分隔每个输入行，并将输出字段分隔符 OFS 设置为逗号。在第一行输出中，我们为 soffice 添加了一个 BOM 和一个合成标题行，以便在实际输出之前丢弃，以便标题行在输出中看起来像一个常规数据行。 sub 负责删除任何 DOS 回车符，变量 FNR 是当前输入行的行号。

我不确定 BOM 或伪造的标题行是否绝对必要，或者您是否需要传递一些额外的选项以使 soffice 将输入视为正确的 UTF-8。也许您还需要在管道中的某处包含 LC_ALL=C。