如何使用AWK命令验证并清理CSV中的DOB字段（仅保留YYYY-MM-DD格式）

要实现CSV文件中DOB字段的验证与清理——仅保留YYYY-MM-DD格式的有效日期（字段含有效日期+其他文本时仅保留日期，无效数据置空），可以用以下AWK命令：

BEGIN {FS=OFS=","}
NR==1 {print; next}
{
    valid_dob = ""
    # 匹配YYYY-MM-DD格式并提取年、月、日片段
    if (match($2, /.*([0-9]{4})-([0-9]{2})-([0-9]{2}).*/, date_parts)) {
        year = date_parts[1] + 0
        month = date_parts[2] + 0
        day = date_parts[3] + 0

        # 验证年份范围（可根据需求调整，这里设为1900-2100）
        if (year >= 1900 && year <= 2100) {
            # 验证月份合法性
            if (month >= 1 && month <= 12) {
                # 根据月份确定最大天数
                max_day = 31
                if (month ~ /^(4|6|9|11)$/) max_day = 30
                else if (month == 2) {
                    # 处理闰年二月的天数
                    max_day = (year % 4 == 0 && year % 100 != 0) || (year % 400 == 0) ? 29 : 28
                }
                # 验证天数合法性
                if (day >= 1 && day <= max_day) {
                    valid_dob = date_parts[1] "-" date_parts[2] "-" date_parts[3]
                }
            }
        }
    }
    $2 = valid_dob
    print
}

命令逻辑拆解： #

• BEGIN块：设置输入输出分隔符为逗号，适配CSV格式。
• 表头处理：第一行直接打印，跳过验证逻辑。
• 日期匹配与提取：用match函数配合正则捕获组，从第二列中提取可能的日期片段（兼容前后带其他文本的情况）。
• 多层有效性验证：
  1. 校验年份范围，排除12056这类不合理年份；
  2. 确保月份在1-12之间；
  3. 根据月份和闰年规则验证天数（比如四月最多30天，闰年二月29天）。
• 字段替换与输出：验证通过则保留有效日期，否则置空，最后打印整行。

测试效果： #

输入源数据：

name,dob
pater,2022-12-10
john,1900-10-23
cader,apr 10 12056
tina,2020-maple road
mike,2019-01-35
carl,2010-03-18 new york
anne,hi how are you?

执行命令后输出：

name,dob
pater,2022-12-10
john,1900-10-23
cader,
tina,
mike,
carl,2010-03-18
anne,

完全符合预期需求。

内容的提问来源于stack exchange，提问作者Gammix