O módulo ParseWords, que acompanha o Perl, aborda isso com bastante elegância. Exemplo abaixo.
$ perl -MText::ParseWords -nE '@a=quotewords ",",1,$_;say $a[0],",",$a[1]' <test.txt
"col1","col2"
"col4","col5,subtext"
$
Digamos que eu tenha um arquivo CSV:
"col1","col2","col3"
"col4","col5,subtext","col6
O problema que tenho é o seguinte:
cut -d, -f1,2 test.txt
"coll1","col2"
"col4","col5
A saída desejada é:
"col1","col2"
"col4","col5,subtext"
Se você tiver gawk
v4 disponível, existe uma boa solução em Analise um csv usando awk e ignorando vírgulas dentro de um campo
Exemplo:
gawk -vFPAT='[^,]*|"[^"]*"' '{print $1 "," $2}' test.txt
Outra solução perl
, assumindo que todos os campos são citados
$ perl -F'/"\K,(?=")/' -lane 'print "$F[0],$F[1]"' test.txt
"col1","col2"
"col4","col5,subtext"
-F'/"\K,(?=")/'
é apenas vírgula se for precedido por "
e seguido por "
print "$F[0],$F[1]"
imprime os dois primeiros campos separados por ,
Pode ser feito com grep
também
$ grep -oE '^"[^"]*","[^"]*"' test.txt
"col1","col2"
"col4","col5,subtext"
Se N campos forem necessários, use grep -oE '^("[^"]*",){1}"[^"]*"'
, onde o número dentro de {}
é N-1
você também pode tentar isso com awk como abaixo;
awk -F'","' '{printf "%s\",\"%s\"\n", $1, $2 }' test.txt
Por exemplo;
user@host$ awk -F'","' '{printf "%s\",\"%s\"\n", $1, $2 }' test.txt
"col1","col2"
"col4","col5,subtext"