以两种不同的方式编辑 CSV 行

Question

我有一个输出两个 CSV 列的 bash 脚本。我需要在第二列包含它们的行的三位数字前面加上“f.”，并保持其余行不变。到目前为止，我尝试了不同的方法，但每种方法都以某种方式失败了。

我尝试的主要是使用正则表达式与第一列或第二列将所需的行与其余行分开，但我不能在不取消或弄乱的情况下同时分开和前置以某种方式处理。到目前为止，我使用的一些命令是：$ sed $ cut 以及（嵌套的）for 循环、read-while 循环、if/else 和 if/else/elif 语句等。下面就是这样的一个（失败）解决方案：

for var1 in "^.*_[^f]_.*"
do
    sed -i "" "s:$MSname::" $pathToCSV"_final.csv"
    for var2 in "^.*_f_.*"
    do
        sed -i "" "s:$MSname:f.:" $pathToCSV"_final.csv"
    done
done

这些是一些示例行：

abc_deg0014_0001_a_1.tif,British Library 1 Front Board Outside
abc_deg0014_0002_b_000.tif,British Library 1 Front Board Inside
abc_deg0014_0003_f_001r.tif,British Library 1 001r
abc_deg0014_0004_f_001v.tif,British Library 1 001v
…
abc_deg0014_0267_f_132r.tif,British Library 1 132r
abc_deg0014_0268_f_132v.tif,British Library 1 132v
abc_deg0014_0269_y_999.tif,British Library 1 Back Board Inside
abc_deg0014_0270_z_1.tif,British Library 1 Back Board Outside

这里 $MSname = British Library 1（由于使用不同的 CSV，“British Library 1”部分可以更改为我需要删除/替换的其他词​​，这就是我使用参数扩展的原因）。

想要的结果：

abc_deg0014_0002_b_000.tif,Front Board Inside
abc_deg0014_0003_f_001r.tif,f. 001r
…
abc_deg0014_0268_f_132v.tif,f. 132v
abc_deg0014_0269_y_999.tif,Back Board Inside

如果您仔细观察，您会注意到这些行的第一列中的“f”也与其他行区分开来（前面不应有“f.”的行它们的第二列由“a”、“b”、“y”和“z”区分"，分别在第一列）。

Answer 1

您没有使用var1 或var2 做任何事情，即使您这样做了，循环变量并在同一个输出文件上重复运行sed -i 也是非常浪费的。理想情况下，您希望将所有修改写入单个 sed 脚本，并且只处理一次文件。

无法猜测除了"British Library 1" 之外还有哪些字符串以及这些字符串是否需要不同类型的操作，我会建议类似于

sed -i '/^[^,]*_f_[^,_]*,/s/,British Library 1 /,f. /
    s/,British Library 1 /,/' "${pathToCSV}_final.csv"

注意单引号中的sed 脚本如何被包裹在多条物理行上。第一行查找第一个逗号分隔列中下划线之间的最后一个字符为f 的任何行，并将",British Library 1 " 替换为",f. "。 （我在这里对间距做了一些调整——我希望它们对你有意义。）在下面的行中，我们只需用逗号替换任何（剩余的）",British Library 1 "；这个想法是，只有与前一行的正则表达式不匹配的行仍然包含这个字符串，所以我们不必再做一次正则表达式匹配。

这可以很容易地扩展到在同一个sed 脚本中覆盖更多模式，而不是重复循环文件并一次重写一个模式。例如，如果您的下一个任务是根据第一个字段中倒数第二个下划线分隔的子字段是否包含 a，将 Windsor Palace A 替换为 a. 或不替换，这应该很明显：

sed -i '/^[^,]*_f_[^,_]*,/s/,British Library 1 /,f. /
    s/,British Library 1 /,/
    /^[^,]*_a_[^,_]*,/s/,Windsor Palace A /,a. /
    s/,Windsor Palace A /,/' "${pathToCSV}_final.csv"

正则表达式更详细地说

^       beginning of line
[^,]*   any sequence of characters which are not a comma
_f_     literal characters underscore, f, underscore
[^,_]*  any sequence of characters which are not a comma or an underscore 
,       literal comma

您应该能够看到这将针对第一列中的最后一对下划线。重要的是永远不要跳过第一个逗号，并且在接近结尾时，在我们最终允许逗号列分隔符之前，不允许在我们专门针对的逗号之后出现任何下划线。

最后，还要注意我们总是在包含文件名的变量周围使用双引号。在某些情况下您可以避免这种情况，但您必须知道自己在做什么；简单直接的经验法则是始终在变量周围加上双引号。有关完整的独家新闻，请参阅When to wrap quotes around a shell variable?

Answer 2

使用awk，您可以查看第一个字段以查看它是否与“3digits + 1 个字母”匹配，然后在这种情况下使用f. 打印，在另一种情况下只需删除字段 2,3 和 4。例如：

awk -F'[, ]' '{
   if($5 ~ /.?[[:digit:]]{3}[a-z]$/) {
      printf("%s,f. %s\n",$1,$5)} 
   else {
      printf("%s,%s %s %s\n",$1,$5,$6,$7)
   }
 }' test.txt

在您提供的示例中，它给出了：

abc_deg0014_0001_a_1.tif，外前板

abc_deg0014_0002_b_000.tif,前板内部

abc_deg0014_0003_f_001r.tif,f。 001r

abc_deg0014_0004_f_001v.tif,f. 001v

abc_deg0014_0267_f_132r.tif,f。 132r

abc_deg0014_0268_f_132v.tif,f. 132v

abc_deg0014_0269_y_999.tif，背板内侧

abc_deg0014_0270_z_1.tif，背板外侧