如何使用 shell 从 CSV 中提取包含引号逗号的列？

Question

我有一个 CSV 文件，但与相关问题不同，它有一些列包含带逗号的双引号字符串，例如

foo,bar,baz,quux
11,"first line, second column",13.0,6
210,"second column of second line",23.1,5

（当然它更长，并且引用逗号的数量不一定是 1 或 0，文本也不是可预测的。）文本也可能在双引号内包含（转义的）双引号，或者完全不包含双引号对于典型引用的字段。我们可以做的唯一假设是没有引用的换行符，因此我们可以使用

\n

简单地分割行。

现在，我想提取特定的列（例如第三列） - 例如，要打印在标准输出上，每行一个值。我不能简单地使用逗号作为字段分隔符（因此，例如使用

cut

）；相反，我需要一些更复杂的东西。那会是什么？

注意：我在 Linux 系统上使用 bash。

Answer 1

这是一个快速而肮脏的 Python

csvcut

。 Python

csv

库 已经了解各种 CSV 方言等的所有内容，因此您只需要一个薄包装器。

第一个参数应该表示您要提取的字段的索引，例如

csvcut 3 sample.csv

从（可能是引用的）CSV 文件中提取第三列

sample.csv

。

#!/usr/bin/env python3

import csv
import sys

writer=csv.writer(sys.stdout)
# Python indexing is zero-based
col = 1+int(sys.argv[1])
for input in sys.argv[2:]:
    with open(input) as handle:
        for row in csv.reader(handle): 
            writer.writerow(row[col])

要做的事情：错误处理、提取多列。 （本身并不难；使用

row[2:5]

提取第 3、4 和 5 列；但我懒得编写正确的命令行参数解析器。）

Answer 2

使用 GNU awk 来实现

FPAT

:

$ awk -v FPAT='[^,]*|"([^"]|"")*"' '{print $3}' file.csv
baz
13.0
23.1

请参阅 使用 awk 高效解析 CSV 的最可靠方法是什么？了解详细信息和替代方案。