如何基于CSV第5列值重排行？现有Shell方案需优化

需求说明 #

• 处理CSV文件test.csv，把第1列值等于第5列唯一键值的行移到所有数据行最前面
• 保留原表头，其余数据行维持原有顺序

测试文件内容 (test.csv) #

Col A,Col B,Col C,Col D,Col E
A,Data 1,Category 1,Name 1,C
B,Data 2,Category 2,Name 2,C
C,Data 3,Category 3,Name 3,C
D,Data 4,Category 4,Name 4,C
E,Data 5,Category 5,Name 5,C
F,Data 6,Category 6,Name 6,C

期望输出 #

Col A,Col B,Col C,Col D,Col E
C,Data 3,Category 3,Name 3,C
A,Data 1,Category 1,Name 1,C
B,Data 2,Category 2,Name 2,C
D,Data 4,Category 4,Name 4,C
E,Data 5,Category 5,Name 5,C
F,Data 6,Category 6,Name 6,C

原实现代码（生成多个临时文件） #

sed 1d test.csv > input.csv 
key=`awk -F"," -v 'OFS=,' '{ print $5}' input.csv | uniq`
awk -F"," -v 'OFS=,' '{if($1 == "'$key'") print}' input.csv > temp.csv
cat temp.csv input.csv > temp2.csv

awk '!seen[$0]++' temp2.csv > output.csv

sed -i '1iCol A,Col B,Col C,Col D,Col E' output.csv

优化方案（无临时文件，单Awk命令搞定） #

用Awk一次性完成所有逻辑，不需要生成任何临时文件，代码如下：

awk -F',' -v OFS=',' '
    NR == 1 { print; next }
    NR == 2 { key = $5 }
    $1 == key { target = $0; next }
    { lines[++n] = $0 }
    END { print target; for (i=1; i<=n; i++) print lines[i] }
' test.csv > output.csv

代码逻辑解释 #

• 第一行是表头，直接输出后跳过后续处理
• 从第二行（第一行数据）提取第5列的键值（默认所有数据行第5列值一致）
• 匹配到第1列等于键值的行，单独存到变量里，不加入普通行数组
• 所有非目标行存入数组，记录行数
• 最后先输出目标行，再依次输出数组里的其余行

如果需要直接覆盖原文件（注意提前备份），可以用sponge命令（需安装moreutils包）：

awk -F',' -v OFS=',' '
    NR == 1 { print; next }
    NR == 2 { key = $5 }
    $1 == key { target = $0; next }
    { lines[++n] = $0 }
    END { print target; for (i=1; i<=n; i++) print lines[i] }
' test.csv | sponge test.csv

内容的提问来源于stack exchange，提问作者zxcv