Substitua cada vírgula fora das aspas duplas por um pipe

Question

Usando sed, eu gostaria de substituir cada vírgula que está fora das aspas duplas por um pipe.

Para que esta linha no arquivo .csv:

John,Tonny,"345.3435,23",56th Street

Seria convertido para:

John|Tonny|"345.3435,23"|56th Street

Você poderia me ajudar com o regex para isso?

    

Answer 1

Se o seu sed suportar a opção -E ( -r em algumas implementações):

sed -Ee :1 -e 's/^(([^",]|"[^"]*")*),/|/;t1' < file

O

:label
   s/pattern/replacement/
t label

É um idioma sed muito comum. Ele continua fazendo a mesma substituição em um loop, desde que seja bem-sucedido.

Aqui, substituímos a parte principal da linha de 0 ou mais strings ou caracteres citados, que são " e , (capturados em ) seguidos por , com de captura e | , portanto, em sua amostra, isso significa:

• John,Tonny,"345.3435,23",56th Street - > %código%
• John|Tonny,"345.3435,23",56th Street - > %código%
• John|Tonny,"345.3435,23",56th Street - > %código%
• e paramos aqui porque o padrão não combina mais com isso.

Com John|Tonny|"345.3435,23",56th Street , você poderia fazer isso com uma substituição com o sinal John|Tonny|"345.3435,23",56th Street :

perl -pe 's{("[^"]*"|[^",]+)|,}{$1 // "|"}ge'

Aqui, assumindo que aspas são balanceadas na entrada, o padrão corresponderia a todas as entradas, dividindo-as em:

• string entre aspas
• sequências de caracteres diferentes de John|Tonny|"345.3435,23"|56th Street ou perl
• uma vírgula

E somente quando a string correspondente for uma vírgula (quando g não estiver definido na peça de substituição), substitua-a por , .

    

Answer 2

Usando csvkit :

$ csvformat -D '|' file.csv
John|Tonny|345.3435,23|56th Street

As ferramentas no csvkit sabem como lidar com as complexidades dos arquivos CVS, e aqui estamos usando csvformat para substituir as vírgulas de delimitação por | corretamente. Os campos de saída serão citados conforme necessário.

Exemplo:

$ cat file.csv
John,Tonny,"345.3435,23",56th Street
The | factory,Ltd.,"0,0",meep meep

$ csvformat -D '|' file.csv
John|Tonny|345.3435,23|56th Street
"The | factory"|Ltd.|0,0|meep meep

    

Answer 3

com perl

perl -MText::CSV -lne '
  BEGIN { $p = Text::CSV->new() } 
  print join "|", $p->fields() if $p->parse($_)
' file.csv
John|Tonny|345.3435,23|56th Street

    

Answer 4

gawk '{gsub(/,/,"|"); printf("%s", $0 RT)}' RS='"[^"]*"' input.txt

ou o mesmo, mas de outra forma:

gawk -F, '{$1=$1; printf("%s", $0 RT)}' RS='"[^"]*"' OFS='|' input.txt

Entrada

John,Tonny,"345.3435,23",56th Street
one,"two,three",four,five,"six,stub,seven",eight,nine
one,"two,three",four,five,"six,stub,seven",eight,nine,"ten,eleven,twelve"

Resultado

John|Tonny|"345.3435,23"|56th Street
one|"two,three"|four|five|"six,stub,seven"|eight|nine
one|"two,three"|four|five|"six,stub,seven"|eight|nine|"ten,eleven,twelve"

    

Answer 5

Com Python e csv module:

import csv,sys

with open(sys.argv[1]) as csvfile:
    csvr = csv.reader(csvfile)
    for line in csvr:
        dup = map( lambda x: '"' + x + '"' if ',' in x else x, line )
        print('|'.join(dup))

Funciona da seguinte forma:

$ python3 csvfile.py  input.csv 
John|Tonny|"345.3435,23"|56th Street
John|Doe|"123.456,25"|26th Street
Jane|Doe|"987.654,52"|15th Street