Awk cuenta la doble cadena como citó una ficha e ignorar espacio entre

Question

archivo de datos - datos.txt:

ABC "I am ABC" 35 DESC 
DEF "I am not ABC" 42 DESC 

cat data.txt | awk '{print $2}'

dará como resultado el "yo" en lugar de la cadena que se está citado

¿Cómo hacer awk para que ignore el espacio dentro de la cita y piense que es un solo token?

Answer 1

Sí, esto se puede hacer muy bien en awk. Es fácil obtener todos los campos sin ningún tipo de ataques serios.

(Este ejemplo funciona en ambas The One True Awk y en gawk.)

{ 
    split($0, a, "\"") 
    $2 = a[2] 
    $3 = $(NF - 1) 
    $4 = $NF 
    print "and the fields are ", $1, "+", $2, "+", $3, "+", $4 
} 

Answer 2

Prueba esto:

$ cat data.txt | awk -F\" '{print $2}' 
I am ABC 
I am not ABC 

Answer 3

bien, si realmente quiere los tres campos, se puede conseguir, pero se necesita una gran cantidad de tuberías:

$ cat data.txt | awk -F\" '{print $1 "," $2 "," $3}' | awk -F' ,' '{print $1 "," $2}' | awk -F', ' '{print $1 "," $2}' | awk -F, '{print $1 "," $2 "," $3}' 
ABC,I am ABC,35 
DEF,I am not ABC,42 

En la última tubería, tienes los tres campos para hacer lo que quieras.

Answer 4

He arrugado una función que vuelve a dividir $ 0 en una matriz llamada B. Los espacios entre comillas dobles no actúan como separadores de campo. Funciona con cualquier cantidad de campos, una combinación de entre comillas y sin comillas. Aquí va:

#!/usr/bin/gawk -f 

# Resplit $0 into array B. Spaces between double quotes are not separators. 
# Single quotes not handled. No escaping of double quotes. 
function resplit(  a, l, i, j, b, k, BNF) # all are local variables 
{ 
    l=split($0, a, "\"") 
    BNF=0 
    delete B 
    for (i=1;i<=l;++i) 
    { 
    if (i % 2) 
    { 
     k=split(a[i], b) 
     for (j=1;j<=k;++j) 
     B[++BNF] = b[j] 
    } 
    else 
    { 
     B[++BNF] = "\""a[i]"\"" 
    } 
    } 
} 

{ 
    resplit() 

    for (i=1;i<=length(B);++i) 
    print i ": " B[i] 
} 

espero que ayude.

Answer 5

La respuesta superior para esta pregunta solo funciona para líneas con un solo campo entre comillas. Cuando encontré esta pregunta, necesitaba algo que pudiera funcionar para una cantidad arbitraria de campos cotizados.

Finalmente me encontré con an answer by Wintermute in another thread, y proporcionó una buena solución generalizada para este problema. Lo acabo de modificar para eliminar las comillas. Tenga en cuenta que necesita invocar awk con -F\" cuando ejecuta el siguiente programa.

BEGIN { OFS = "" } { 
    for (i = 1; i <= NF; i += 2) { 
     gsub(/[ \t]+/, ",", $i) 
    } 
    print 
} 

Esto funciona mediante la observación de que todos los demás elementos de la matriz estará dentro de las comillas cuando se separan por el "-character, y de forma que sustituye el espacio en blanco que divide los que no entre comillas con una coma.

continuación, se pueden encadenar fácilmente otra instancia de awk para hacer lo que necesita procesamiento (sólo tiene que utilizar el interruptor separador de campo de nuevo, -F,)

tenga en cuenta que esto podría romperse si se cita el primer campo -. yo no tengo probado. Si lo hace, sin embargo, debería ser fácil de arreglar agregando una instrucción if para comenzar en 2 rath mayor que 1 si el primer carácter de la línea es un ".

Answer 6

Aquí hay algo así como lo que finalmente obtuve trabajando que es más genérico para mi proyecto. Tenga en cuenta que no utiliza awk.

someText="ABC \"I am ABC\" 35 DESC '1 23' testing 456" 
putItemsInLines() { 
    local items="" 
    local firstItem="true" 
    while test $# -gt 0; do 
     if [ "$firstItem" == "true" ]; then 
      items="$1" 
      firstItem="false" 
     else 
      items="$items 
$1" 
     fi 
     shift 
    done 
    echo "$items" 
} 

count=0 
while read -r valueLine; do 
    echo "$count: $valueLine" 
    count=$(($count + 1)) 
done <<< "$(eval putItemsInLines $someText)" 

que da salida:

0: ABC 
1: I am ABC 
2: 35 
3: DESC 
4: 1 23 
5: testing 
6: 456 

Answer 7

Otra alternativa sería el uso de la variable de FPAT, que define una expresión regular que describe el contenido de cada campo.

Guardar este script AWK como parse.awk:

#!/bin/awk -f 

BEGIN { 
    FPAT = "([^ ]+)|(\"[^\"]+\")" 
} 
{ 
    print $2 
} 

hacerlo ejecutable con chmod +x ./parse.awk de analizar su archivo de datos como ./parse.awk data.txt:

"I am ABC" 
"I am not ABC"