如何用awk实现CSV带引号字段中每个单词首字母大写？

问题描述 #

需要处理CSV文件，让带双引号的字段和普通字段内的每个单词首字母大写，保留原CSV的格式（包括引号和内部逗号）。

输入示例：

8,7,martin sanders, Executive director,,
9,8,bred simons,"manager, second career services",,
10,9,Kely bricks,ceo,,

期望输出：

8,7,Martin Sanders, Executive Director,,
9,8,Bred Simons,"Manager, Second Career Services",,
10,9,Kely Bricks,Ceo,,

原代码问题分析 #

你之前的代码存在几个关键错误：

• 同时使用FS="\""和FPAT：这两个选项互斥，FPAT按内容匹配字段，FS按分隔符拆分，同时设置会导致字段识别逻辑混乱。
• 带引号字段的处理逻辑错误：toupper(substr($i,2,len-2))""tolower(substr($i,2,len)) 会把字段内容先全大写再拼接全小写，完全不符合“首字母大写”的需求。
• 循环内直接print $i：会导致每个字段单独输出，无法拼接成完整的CSV行。

解决方案 #

使用gawk的FPAT正确识别CSV字段，配合自定义函数实现单词首字母大写：

gawk -v FPAT='("[^"]+"|[^,]+)' '
    function capitalize(str) {
        # 处理每个单词首字母大写，其余小写
        gsub(/\y[a-z]/, toupper(substr(str, RSTART, RLENGTH)), str)
        return str
    }
    {
        for (i=1; i<=NF; i++) {
            if ($i ~ /^"/) {
                # 处理带引号的字段：去掉引号→处理→加回引号
                content = substr($i, 2, length($i)-2)
                $i = "\"" capitalize(content) "\""
            } else {
                # 处理普通字段
                $i = capitalize($i)
            }
        }
        # 用OFS拼接字段输出整行
        print
    }
' input.csv

FPAT原理说明 #

FPAT是gawk专属特性，用于定义字段的匹配规则，替代传统的分隔符（FS）拆分方式：

• 对于CSV场景，FPAT='("[^"]+"|[^,]+)' 表示：
  • "[^"]+"：匹配被双引号包裹的内容（内部可包含逗号）
  • [^,]+：匹配不包含逗号的普通内容
• awk会根据这个规则自动扫描每一行，把符合规则的内容识别为单独字段，完美处理带内部逗号的引号字段。

内容的提问来源于stack exchange，提问作者Volodymyr S