如何替换Linux管道分隔文件中的非分隔符管道(|)为短横线(-)

问题场景 #

我们有以管道|为分隔符的文本文件，但部分被双引号包裹的字段内部包含管道字符，这些管道不是分隔符，需要替换为短横线-。作为分隔符的管道始终位于两个双引号之间（格式为"xxx"|"yyy"）。

示例输入 #

col1|col2|col3|col4
"1"|"This is my column 2 |Although there is pipe here, it is not a delimiter pipe."|"And this is my 3rd column '|" with a pipe followed by a double quote"|"|and finally this 4th column starts with a | that is not'|a delimiter

期望输出 #

col1|col2|col3|col4
"1"|"This is my column 2 -Although there is pipe here, it is not a delimiter pipe."|"And this is my 3rd column '-" with a pipe followed by a double quote"|"-and finally this 4th column starts with a - that is not'-a delimiter

解决方案：用AWK脚本处理 #

使用AWK逐个字符遍历，跟踪是否处于双引号内部，仅替换引号内的管道：

awk -F '' '{
    in_quote = 0
    for (i=1; i<=NF; i++) {
        if ($i == "\"") {
            in_quote = !in_quote
        }
        if (in_quote && $i == "|") {
            $i = "-"
        }
    }
    print
}' input_file > output_file

脚本逻辑说明 #

1. -F ''：将每行拆分为单个字符的字段，方便逐个处理
2. in_quote变量：标记当前是否处于双引号内部（0=不在，1=在）
3. 遍历每个字符：
   • 遇到双引号时，切换in_quote状态（进入/退出引号区域）
   • 若当前在引号内且字符是|，则替换为-
4. 打印处理后的整行

该脚本能精准区分分隔符管道和字段内管道，不受字段内其他字符（空格、单引号等）影响。

内容的提问来源于stack exchange，提问作者Selim