Linux下正确切割含引号及内部逗号的CSV文件方法求助

问题场景 #

现有如下CSV数据（部分字段包含带内部逗号的双引号）：

"Name","Age","City"
"John, Doe",30,"New York"
"Alice","25","Los Angeles"
"Bob","28","Chicago"

直接用awk -F'","'提取列会得到错误结果：

• 提取第1列时命令awk -F'","' '{print $1}' data.csv输出：

"Name
"John, Doe",30,"New York"
"Alice
"Bob

• 提取第3列时命令awk -F'","' '{print $3}' data.csv输出：

City"

Los Angeles"
Chicago"

期望得到格式正确的列内容，比如第1列输出：

"Name"
"John, Doe"
"Alice"
"Bob"

第3列输出：

"City"
"New York"
"Los Angeles"
"Chicago"

解决方案 #

1. 使用专业CSV工具csvkit #

csvkit是专门处理CSV的工具，能自动识别带引号的字段，避免内部逗号干扰：

• 安装（Debian/Ubuntu）：

  sudo apt install csvkit
  

• 提取第1列：

  csvcut -c 1 data.csv
  

• 提取第3列：

  csvcut -c 3 data.csv
  

执行后直接输出符合预期的格式化内容。

2. 改进awk命令处理首尾引号 #

通过对分割后的字段做首尾引号修正，实现正确提取：

• 提取第1列：

  awk -F'","' '{gsub(/^"/, "", $1); print "\"" $1 "\""}' data.csv
  

  逻辑：先用","分割字段，移除第1个字段开头的引号，再给字段重新包裹双引号。
• 提取第3列：

  awk -F'","' '{gsub(/"$/, "", $3); print "\"" $3 "\""}' data.csv
  

  逻辑：移除第3个字段结尾的引号，再重新包裹双引号。

3. 使用Python内置csv模块 #

利用Python自带的csv模块解析CSV，天然支持带引号的字段：
创建脚本extract_col.py（以提取第1列为例）：

import csv

with open('data.csv', 'r') as f:
    reader = csv.reader(f)
    for row in reader:
        print(f'"{row[0]}"')

若要提取第3列，将row[0]改为row[2]（Python索引从0开始），执行脚本：

python3 extract_col.py

内容的提问来源于stack exchange，提问作者Mesc