awk: mezőelválasztóban aposztóf

Pedig a splitel szetdarabolas es tombbe rakas nem ordogtol valo. :)

Udv.

Ha a ', ' sorozatot használnád "mezőelválasztónak", nem lenne jó, mivel a sor első és utolsó karaktere (egy-egy ') bennmaradna.
Inkább egy sed-del távolítanám el az oda nem illő karaktereket:

$  cat data
'regwe', 'khotkml', 'jgoij 43iojt'
'regwe', 'khotkml', 'jgoij 43iojt'
'regwe', 'khotkml', 'jgoij 43iojt'

$ sed "s, *',,g" data | awk -F, '{print "1="$1"\n2="$2"\n3="$3"\n"}'
1=regwe
2=khotkml
3=jgoij 43iojt

1=regwe
2=khotkml
3=jgoij 43iojt

1=regwe
2=khotkml
3=jgoij 43iojt

Elmondom, én hogy csinálnám, de ha nincs kedved rááldozni egy órácskát sem, akkor nem fog menni.

Csak awk-t használnék, semmi értelme grep-nek, sed-nek előtte, ha az awk mindent tud, amit a másik kettő. Az elején, tehát a BEGIN után a field separator-t üres stringnek definiálnám.

Belül soronként végigmásznék egyesével a karaktereken egy ciklussal. Amikor aposztrofhoz érnék, egy változót 1-be billentenék, ez jelzi, hogy aposztrofon belül vagyunk, itt minden adat, sem a szóköz, sem a vessző nem mező szeparátor. A mező alatt most az adatbázis szempontjából értem, hiszen az awk szempontjából egyetlen karakter egy mező. Közben az aktuális karaktert hozzáfűzném az eddig gűjtött karakterekhez. Amikor jön egy aposztrof, visszabillenteném a flag-et 0-ba, jelezvén, hogy most már a vessző, szóköz mező szeparátor jelentéssel bír. Az összegyűjtött stringet kiírnám egy tömb első elemébe, indexet növelném, stringet üresre inicializálnám. A következő aposztrofig mindent eldobnék. Jön megint az aposztrof, kezdődik minden elölről.

Sor végén nem tudom, mi a célod, de van egy tömböd, benne az elemekkel. Tudsz benne keresni, stdout-ra printelni, ami megvan, s ezt mind awk-n belül.

Szerk.: Megcsináltam, ilyen lett:

#!/usr/bin/awk -f


BEGIN {
    if (ARGC!=3) {
        exit(1);
    }
    idx=ARGV[1];
    delete ARGV[1];
    FS="";
}

{
    s="";
    quot=0;
    num=0;
    j=0;
    for (i=1; i<=NF; i++) {
        if (!quot && !num && $i ~ /[[:digit:]]/) {
            num=1;
        }
        if (num && $i !~ /[[:digit:]]/) {
            t[j++]=s;
            s="";
            num=0;
            continue;
        }
        if ($i=="'") {
            if (quot) {
                t[j++]=s;
                s="";
            }
            quot=1-quot;
            continue;
        }
        if (quot || num) {
                s=s $i;
        }
    }
    if (num) {
        t[j++]=s;
    }
    if (idx<0 || idx>=j) {
        printf("Invalid index: %d, [%d..%d]\n", idx, 0, j-1) >"/dev/stderr";
        exit(1);
    }
    printf("%s\n", t[idx]);
}

Így kell hívni:

./bzs 2 bzs.dat

Az első paraméter az, hogy hanyadik oszlopot szedje ki, ez nulla bázisú. Tegyük hozzá, nem tudom, mi szerint kellene szűrni, szóval a script annak megfelelően módosítandó.

Már az aposztrofokkal nem körülvett számokat is kezeli.

tr '[:lower:]' '[:upper:]' <<<locsemege
LOCSEMEGE

Különben ez így nézne ki, de nem korrekt, mert az aposztrof a szeparátor része, az első elemben elöl, az utolsóban hátul ott marad az aposztrof:

awk "BEGIN {FS=\"', '\";} {print(\$3);}" <<<"'regwe', 'khotkml', 'jgoij 43iojt'"


tr '[:lower:]' '[:upper:]' <<<locsemege
LOCSEMEGE

bzs, figyelj, mutatom a megoldást:

awk -v idx=3 'BEGIN {FS=", ";} {print(substr($idx, 2, length($idx)-2));}' <<<"'regwe', 'khotkml', 'jgoij 43iojt'"

:)

Szerk.: természetesen az a kritérium, hogy az adatfile-ban az aposztrofok között - tehát cellán belül - nem lehet vessző és szóköz egymás után.

Szerk.2.: A picit fentebb írt önálló awk script teljesebb.

tr '[:lower:]' '[:upper:]' <<<locsemege
LOCSEMEGE

Tényleg üdítő ennyi jó ötlet egy rakáson! ;)

Angol, magyar, meg még néhány európai nyelv karaktereit tartalmazó adatokat

| PIPE

mezőelválasztással kell ábrázolni.

Az egyes mezőket nem quoted kell kiírni.

A mezőelválasztó nem mezőelválasztó+SPACE, hanem csak mezőelválasztó. Ez lehetővé teszi az első és utolsó mező azonos kezelését. Ilyen formátum exportálása adatbázisból, excelből lehetséges!

Ha speciális karaktereket tartalmazó mezőnk is van, azt sajnos külön kell kezelni. Például az ssh kulcs azaz bináris adat ábrázolásánál népszerű a base64 kódolás. Persze ilyen szöveges adatcserénél ritkábban fordul elő.

Az ilyen szöveges állományok feldolgozásánál az awk program így kezdődhet:

awk -F\| \
'BEGIN {
OFS=FS
...

Legyek egy kicsit ontopic is: explicit aposztróf írása awk-n belül:

"\47"

Azaz a helyes mezőelválasztó:

"\47 "

Persze utána minden mezőt a

sub(/^\47/,"",{MEZŐ})

és a

sub(/\47$/,"",{UTOLSÓ_MEZŐ})

függvénnyekkel kell "gyógykezelni"! (No, ezért írtam: Ez lehetővé teszi az első és utolsó mező azonos kezelését.)
Ezek csak akkor működnek, ha nincs mezőelválasztó a mezőkön belül. Csak azért mondom, mert láttam már ilyet hibás konverzió, vagy hibás terminál beállítás esetén.

ha nem akarsz szenvedni a escapelessel akkor erdemesebb az awk scriptet kulon filebe tenni. majd awk -f awkscript

A leírásból nekem nem világos, hogy mi a konkrét feladat. Ha csak annyi, hogy a lista elemei legyenek egyenként hozzáférhetők, akkor az én javaslatom a következő:

awk -v FS="'" '{for(i=1;i<=NF;i++) print $i}' | grep -v "^,"

Ez annyit csinál, hogy az adatbázis egy sorának minden elemét új sorba teszi. A sorokon végig lehet menni ciklussal, az elemekkel meg már azt csinálsz, amit akarsz.

---
Science for fun...