Unix下替换CSV第三字段内双引号为~（保留其他双引号）

需求说明：

• 在Unix环境下处理双引号包裹的CSV文件
• 仅将第三个HTML格式字段内的转义双引号（\"）替换为~
• 该字段包含数据逗号，不得修改其他位置的双引号
• 此前尝试awk命令未达到预期效果

输入文件示例 #

F1,F2,F3
"11111","ABABDBDA","<div style=\"text-aaa: justify;\"> Il MMM delinea l&rsquo;evvv dei ccccc e dei ruorrrrli, degli organi sss, alaaaala "
"22222","PPPPPPPP","<p style=\"text-align: justify;\"> <span style=\"color:#ff0000;\"><strong>Disponibile dal 25/03</strong></span></p> <div style=\"text-align: justify;\"> Il manuale delinea l&rsquo;evoluzione dei , ;\"> </div>"
"333333","QQQQQQQ","<p style=\"text-align: justify;\"> Il libro analizza i singoli cicli gestionali, partendo dalle rilevazioni, contabili per giungere poi alla destinazione di "

预期输出示例 #

F1,F2,F3
"11111","ABABDBDA","<div style=~text-aaa: justify;> Il MMM delinea l&rsquo;evvv dei ccccc e dei ruorrrrli, degli organi sss, alaaaala" 
"22222","PPPPPPPP","<p style=~text-align: justify;~> <span style=~color:#ff0000;~><strong>Disponibile dal 25/03</strong></span></p> <div style=~text-align: justify;~> Il manual"
"333333","QQQQQQQ","<p style=~text-align: justify;~> Il libro analizza i singoli cicli gestionali, partendo dalle rilevazioni, contabili per giungere poi alla destinazione"

解决方案（awk实现） #

利用awk的逐字符遍历和状态跟踪，精准定位第三个字段并替换目标字符：

awk -v FS="" '
NR == 1 {print; next}
{
    quote_cnt = 0
    idx = 1
    while (idx <= NF) {
        if ($idx == "\"") {
            quote_cnt++
        }
        # 处于第三个字段内部（已进入第三个字段，未遇到结束引号）
        if (quote_cnt == 5) {
            # 匹配转义双引号组合：\ 后跟 "
            if ($idx == "\\" && $(idx+1) == "\"") {
                printf "~"
                idx += 2
                continue
            }
        }
        printf "%s", $idx
        idx++
    }
    printf "\n"
}
' input.csv > output.csv

核心逻辑说明 #

1. 字段定位：通过统计双引号数量区分字段——前两个字段各包含一对双引号，第三个字段从第5个双引号开始，到第6个双引号结束
2. 逐字符处理：设置FS=""将每行拆分为单个字符，避免字段内逗号干扰分割逻辑
3. 精准替换：仅在第三个字段范围内，将转义双引号的字符组合\"替换为~，其他字符和双引号保持不变
4. 表头跳过：第一行表头直接输出，不做任何处理

内容的提问来源于stack exchange，提问作者Rajesh Kumar