Bash如何用引号将csv文件第一行的值（如果不存在）包装起来

前几天我问如何用引号包装csv文件第一行的值。我得到的答复非常有效

$ cat file.csv  
word1,word2,word3,word4,word5  
12345,12346,12347,12348,12349  

要仅在第一行中的项目周围加引号，请执行以下操作：

$ sed '1 { s/^/"/; s/,/","/g; s/$/"/ }' file.csv  
"word1","word2","word3","word4","word5"  
12345,12346,12347,12348,12349 

---

我现在需要测试值周围是否存在引号，以消除重复引用值的可能性

更改每个替换以包括可选引号：

sed -E '1 { s/^"?/"/; s/"?,"?/","/g; s/"?$/"/ }' file.csv

我添加了

-E

以启用扩展模式，因此

？

被理解为“0或1匹配”

---

您还可以继续使用基本模式（无

-E

），并将每个

？

替换为

{0,1\}

（再次，0或1匹配）或

*

（匹配0或更多）。

由于行/列处理，此问题更适合awk而不是

sed

：

awk 'BEGIN{FS=OFS=","} NR==1 {
   for (i=1; i<=NF; i++) {gsub(/^"|"$/, "", $i); $i = "\"" $i "\""}
} 1' file

"word1","word2","word3","word4","word5"
12345,12346,12347,12348,12349

awk'BEGIN{FS=OFS=“，”}NR==1{
对于（i=1；i保留现有的sed命令，首先删除所有可能的双引号：

sed '1 { s/"//g; s/^/"/; s/,/","/g; s/$/"/ }' file.csv 

为了测试每个答案，我创建了三个文件：

文件.csv

word1,word2,word3,word4,word5  
12345,12346,12347,12348,12349 

"word1","word2","word3","word4","word5"  
12345,12346,12347,12348,12349

"word1",word2,word3,"word4",word5  
12345,12346,12347,12348,12349

file2.csv

word1,word2,word3,word4,word5  
12345,12346,12347,12348,12349 

"word1","word2","word3","word4","word5"  
12345,12346,12347,12348,12349

"word1",word2,word3,"word4",word5  
12345,12346,12347,12348,12349

file3.csv

word1,word2,word3,word4,word5  
12345,12346,12347,12348,12349 

"word1","word2","word3","word4","word5"  
12345,12346,12347,12348,12349

"word1",word2,word3,"word4",word5  
12345,12346,12347,12348,12349

然后我创建了一个bash脚本

#!/bin/bash  

sed -E '1 { s/^"?/"/; s/"?,"?/","/g; s/"?$/"/ }' file.csv > final.csv  
sed -E '1 { s/^"?/"/; s/"?,"?/","/g; s/"?$/"/ }' file2.csv > final2.csv  
sed -E '1 { s/^"?/"/; s/"?,"?/","/g; s/"?$/"/ }' file3.csv > final3.csv 

然后我看了最后的文件，第一行很完美

# cat final*.csv  

"word1","word2","word3","word4","word5"  
12345,12346,12347,12348,12349  
"word1","word2","word3","word4","word5"  
12345,12346,12347,12348,12349  
"word1","word2","word3","word4","word5"  
12345,12346,12347,12348,12349  

带有
sed
和
awk
的正则表达式可能会遇到一系列似乎永无止境的失败边缘情况。相反，利用csv库可以提供更强大的健壮性

我发现Python的库是最好的选择，因为它：

除了Python本身之外，广泛可用，没有繁重的依赖关系
对您使用的Python版本不特别敏感
有助于嵌入shell脚本；以及
非常紧凑（一个班轮就可以了！）
因此，我的解决方案大致如下：

QUOTE_CSV_PY='import sys; import csv; csv.writer(sys.stdout, quoting=csv.QUOTE_ALL).writerows(csv.reader(sys.stdin))'
head -1 file.csv | python -c "$QUOTE_CSV_PY"; tail -n +2 file.csv

要分解它：


QUOTE\u CSV\u PY
是一个shell变量，包含Python one-liner命令
Python命令只需导入标准的
sys
和
csv
模块。然后，它创建一个csv编写器，使用
QUOTE\u ALL
集将数据写入
stdout
，以便所有字段都被引用。它被输入一个从
stdin
读取的csv读取器
head-1
将第一行发送给python解释器进行处理
；tail-n+2
等待处理完成，然后从第二行开始转储每一行
这很接近。如果这些值已经有引号，除了最后一个值在引号前有空格外，其他值都保持不变，如：
“word1”、“word2”、“word3”、“word4”、“word5”
这一个非常有效。我甚至将引号放在随机值中，如：
word1、word2、“word3”、“word4”、“word5”
最终输出总是
“word1”、“word2”、“word3”、“word4”、“word5”
Tom此命令最适合我。如果值缺少引号，并且其中一些值有引号，则跳过它们，因此第一行如
word1、“word2”、“word3”、“word4”，word5
或
word1，word2，word3，word4，word5
总是变成
“word1”，“word2”，“word3”，“word4”，“word5”
。你们帮了大忙。我当然非常感谢所有的帮助！唉，如果引用的字段有逗号，这就失败了。例如
1，“2，2”，3
变成
“1”，“2”，“2”，“2”，“3”
。你说得对，@Heath，可能还有许多其他输入会导致它失败，毕竟这只是一系列不了解上下文的替换。处理CSV文件的最佳方法是使用支持它们的工具，例如Python及其.fully，使用Python的
CSV
模块（在shell脚本中）这确实是我最后要做的。我会添加我的答案。很好，我唯一要说的是，
“$QUOTE\u CSV\u PY”
在使用它时应该被引用（它在这里没有令人讨厌的副作用，但可以与其他脚本一起使用）。完全正确。我在转录时错误地删除了引号。修复。