Eu tenho um arquivo contendo dois milhões de linhas do formulário:
"00005cea-668e-4475-9e19-92a25c8b74fb",129.24728",D#
o último valor deve ser:
"00005cea-668e-4475-9e19-92a25c8b74fb",129.24728,"D#"
Por favor, como eu uso o comando sed para corrigir este arquivo para que o falso "seja removido e o último valor seja duplicado entre aspas
Você poderia tentar algo como:
sed -r 's/",([^,]*)$/,""/' input-file
Isso é um ", seguido por qualquer coisa que não seja uma vírgula ( [^,] ) até o final do arquivo $ . é a parte correspondida entre parênteses - ([^,]*) .
Não é sed , mas perl :
perl -F, -ane '($f1)=$F[1]=~/(.*)"/; $F[2]=~s/\n//g; print "$F[0],$f1,\"$F[2]\"\n";'
Explicação:
perl -F, -ane lê a linha de entrada e divide a linha em ,
($f1)=$F[1]=~/(.*)"/; remove o " na segunda coluna $F[2]=~s/\n//g; remove a nova linha no final print "$F[0],$f1,\"$F[2]\"\n"; escreve a saída e adiciona o " ao último valor Editar - versão reduzida (graças a @kos):
perl -F, -lane '$F[1]=~s/"$//; print "$F[0],$F[1],\"$F[2]\"";'
Parece que seus campos são definidos por vírgulas. Se assim for, você pode fazer isso em sed :
sed -i -r 's/",([^,]*)$/,""/' file
Ou, em Perl:
perl -i -lpe 's/",([^,]*)$/,""/' file
Em ambos os casos, o regex simplesmente procura uma vírgula e, em seguida, 0 ou mais não-vírgulas até o final da linha. Os parênteses capturam os últimos campos aos quais podemos nos referir como (ou em perl). Este é então substituído por si mesmo entre aspas duplas. O -i é para editar o arquivo no lugar, as alterações são feitas no arquivo original.
Você também pode usar awk :
awk -F, -vOFS=, '{sub(/"/,"",$(NF-1)); $NF="\""$NF"\""}1;' file
Ou, se sua versão for compatível:
awk -iinplace -F, -vOFS=, '{sub(/"/,"",$(NF-1)); $NF="\""$NF"\""}1;' file
Tags regex text-processing sed