Bash中处理含单元格换行符的XLSX转CSV文件问题求助

方案1：用专门的CSV工具（最省心） #

直接使用csvkit套件中的csvcut工具，它原生遵循CSV规范，能自动识别带换行、引号的单元格，不会出现列错位：

• 安装csvkit：
  Debian/Ubuntu系统：sudo apt install csvkit
  RHEL/CentOS系统：sudo yum install csvkit
  通用方式（需Python环境）：pip install csvkit
• 提取指定列（列索引从1开始，与awk一致）：
  csvcut -c 2,7,27,29,30,31 your_input.csv > extracted_cols.csv

方案2：用GNU awk的FPAT字段匹配（无需额外安装） #

GNU awk提供FPAT参数，可自定义CSV字段的匹配规则，精准识别被双引号包裹的含换行单元格：
创建awk脚本（例如extract_cols.awk）：

BEGIN {
    # 字段规则：要么是无引号的非逗号内容，要么是双引号包裹的任意内容（包含换行）
    FPAT = "([^,]+)|(\"[^\"]*\")"
}
{
    # 按需求输出指定列，用|分隔
    print $2 "|" $7 "|" $27 "|" $29 "|" $30 "|" $31
}

执行脚本：
awk -f extract_cols.awk your_input.csv

方案3：转换XLSX时提前规范格式 #

如果使用LibreOffice/OpenOffice将XLSX转CSV，可添加参数强制让带换行的单元格被双引号包裹，从源头避免后续处理异常：
libreoffice --headless --convert-to csv:"Text - txt - csv (StarCalc)" --infilter="CSV:44,34,76,1" your_input.xlsx
参数说明：

• 44：逗号作为字段分隔符
• 34：双引号作为字段包围符
• 76：输出UTF-8编码
• 1：将第一行视为表头（无需表头可改为0）

内容的提问来源于stack exchange，提问作者Salvador Guram