如何用awk解析逗号分隔值（csv）？

我正在尝试编写一个awk脚本来将CSV格式的电子表格转换为XML格式的Bugzilla错误。输入CSV的格式如下（从XLS电子表格创建并保存为CSV）：如何用awk解析逗号分隔值（csv）？

tag_1,tag_2,...,tag_N 
value1_1,value1_2,...,value1_N 
value2_1,value2_2,...,value2_N 
valueM_1,valueM_2,...,valueM_N

头列表示XML标记的名称。转换成XML应该如上面的文件如下：

<element> 
    <tag_1>value1_1</tag_1> 
    <tag_2>value1_2</tag_2> 
    ... 
    <tag_N>value1_N</tag_N> 
</element> 
<element> 
    <tag_1>value2_1</tag_1> 
    <tag_2>value2_2</tag_2> 
    ... 
    <tag_N>value2_N</tag_N> 
</element> 
...

的awk脚本我有做到这一点如下：

BEGIN {OFS = "\n"} 
NR == 1 {for (i = 1; i <=NF; i++) 
      tag[i]=$i 
     print "<bugzilla version=\"3.4.1\" urlbase=\"http://mozilla.com/\" maintainer=\"[email protected]\" exporter=\"[email protected]\">"} 
NR != 1 {print " <bug>" 
     for (i = 1; i <= NF; i++) 
      print "  <" tag[i] ">" $i "</" tag[i] ">" 
     print " </bug>"} 
END {print "</bugzilla>"}

实际的CSV文件是：

cf_foo,cf_bar,short_desc,cf_zebra,cf_pizza,cf_dumpling ,assigned_to,bug_status,cf_word,cf_caslte 
ABCD,A-BAR-0032,A NICE DESCRIPTION - help me,pretty,Pepperoni,,,NEW,,

实际输出是：

$ awk -f csvtobugs.awk bugs.csv

<bugzilla version="3.4.1" urlbase="http://mozilla.com/" maintainer="[email protected]" exporter="[email protected]"> 
    <bug> 
     <cf_foo,cf_bar,short_desc,cf_zebra,cf_pizza,cf_dumpling>ABCD,A-BAR-0032,A</cf_foo,cf_bar,short_desc,cf_zebra,cf_pizza,cf_dumpling> 
     <,assigned_to,bug_status,cf_word,cf_caslte>NICE</,assigned_to,bug_status,cf_word,cf_caslte> 
     <>DESCRIPTION</> 
     <>-</> 
     <>help</> 
     <>me,pretty,Pepperoni,,,NEW,,</> 
    </bug> 
    <bug> 
    </bug> 
</bugzilla>

显然，不是预期的结果（我承认，我从这个论坛复制粘贴了这个脚本：http://www.unix.com/shell-programming-scripting/21404-csv-xml.html）。问题在于，从查看awk脚本开始已经过了很长时间，而且我没有IDEA语法的含义。

来源

2009-09-18 les2

您需要在BEGIN规则中设置FS = ","以将逗号用作字段分隔符;如果字段分隔符是一个选项卡，这是一种不同的（也是受欢迎的）惯例，即使不使用逗号也常常被称为“CSV”的文件中，但您显示它的代码应该可以正常工作;-)。

来源

2009-09-18 17:02:15

击败我两个，所以我会接受你的！ – les2 2009-09-18 17:02:54

你也可以使用'-F'作为'awk' – 2009-10-31 17:36:03

我能够通过改变FS（字段分隔符）来解决它：

BEGIN { 
    FS=","; 
    OFS = "\n"} 
NR == 1 {for (i = 1; i <=NF; i++) 
      tag[i]=$i 
     print "<bugzilla version=\"3.4.1\" urlbase=\"http://mozilla.com/\" maintainer=\"[email protected]\" exporter=\"[email protected]\">"} 
NR != 1 {print " <bug>" 
     for (i = 1; i <= NF; i++) 
      print "  <" tag[i] ">" $i "</" tag[i] ">" 
     print " </bug>"} 
END {print "</bugzilla>"}

输出：

<bugzilla version="3.4.1" urlbase="http://mozilla.com/" maintainer="[email protected]" exporter="[email protected]"> 
    <bug> 
     <cf_foo>ABCD</cf_foo> 
     <cf_bar>A-BAR-0032</cf_bar> 
     <short_desc>A NICE DESCRIPTION - help me</short_desc> 
     <cf_zebra>pretty</cf_zebra> 
     <cf_pizza>Pepperoni</cf_pizza> 
     <cf_dumpling ></cf_dumpling > 
     <assigned_to></assigned_to> 
     <bug_status>NEW</bug_status> 
     <cf_word></cf_word> 
     <cf_caslte></cf_caslte> 
    </bug> 
</bugzilla>

来源

2009-09-18 17:02:17 les2

使用的工具，你知道:)

这样awk脚本看起来没有处理“和其他CSV奇怪（我认为它只是分离在选项卡 - 其他答案注意它需要改变分裂，）python，perl .net等有对象来完全处理CSV一个nd XML，可能你可以用awk脚本中的字符数来编写解决方案，更重要的是可以理解它。

来源

2009-09-18 17:02:26 Mark

的选项，嘿，它不需要很长时间，是吗？我已经想出了自己的答案，但只能在第一个答案后2秒（我的答案可以说更好，因为我包含更多信息）:) – les2 2009-09-18 17:22:19

你可以使用各种技巧，如设置FS。更多的技巧可以在Awk新闻组中找到。也有解析器像我这样的：http://lorance.freeshell.org/csv/

来源

2009-09-26 18:03:57 LoranceStinson

请记住，在一个CSV是分裂逗号是罚款，直到你得到以下情形：

1997,Ford,E350,"Super, luxurious truck"

在这种情况下，它会分裂“超级豪华车”为两个项目不正确。我建议在上面的帖子中使用另一种语言的csv库作为'标记'状态。

来源

2009-10-04 17:53:56 Jamie

我通过切换到“TSV”导出来解决此问题（选项卡 - 分离值）。主文件是一个Excel工作表，我不需要一直这样做。我正在将基于Excel的跟踪器（用于'敏捷'方法中'故事'）的团队迁移到Bugzilla。现在每个故事都保存在Bugzilla中。我们使用Eclipse Mylyn插件将故事拉入IDE中作为任务。 IMO比Excel解决方案好得多。无论如何，这个初始导入只需要发生一次 - 我不想为此学习Perl。 AWK脚本工作得很好:) – les2 2009-10-06 15:33:09

您可以试试我的csvprintf。它可以将CSV转换为XML，然后根据需要使用XSLT进行样式设置。

来源

2011-07-20 19:58:24 Archie

如何用awk解析逗号分隔值（csv）？

回答

相关问题