使用AWK处理含数组的CSV文件：单元格含逗号致字段分割失败

直接用awk -F,分割CSV会出错，因为部分字段（比如示例中引号包裹的ADDRESSES列）包含内嵌逗号，AWK默认不会识别引号作为字段的边界。要实现提取主机名和对应IPv4地址的需求，可以用GNU AWK（gawk）的FPAT特性来正确解析CSV字段。

解决方案命令 #

gawk 'BEGIN {
    # 定义CSV字段格式：要么是引号包裹的内容，要么是不含逗号的内容
    FPAT = "([^,]*)|\"([^\"]*)\""
}
NR > 1 {  # 跳过表头行
    host = $1
    addr_col = $NF  # 取最后一列（ADDRESSES）
    
    # 循环提取列中的IPv4地址
    while (match(addr_col, /([0-9]{1,3}\.){3}[0-9]{1,3}/, ip)) {
        print host, ip[0]
        # 截取剩余字符串，继续匹配下一个IP
        addr_col = substr(addr_col, RSTART + RLENGTH)
    }
}' your_csv_file.csv

命令解释 #

1. FPAT设置：FPAT = "([^,]*)|\"([^\"]*)\"" 告诉gawk如何识别CSV字段——要么是没有逗号的连续字符，要么是被双引号包裹的内容（即使里面有逗号也视为一个字段）。
2. 跳过表头：NR > 1 忽略第一行的表头。
3. 提取字段：$1 获取主机名字段，$NF 获取最后一列的地址数据（假设ADDRESSES是CSV的最后一列）。
4. 匹配IPv4：用正则([0-9]{1,3}\.){3}[0-9]{1,3}匹配IPv4地址，通过match函数循环提取所有符合的地址，逐行输出主机名和对应IP。

输出结果 #

运行上述命令后，会得到你期望的输出：

host1 192.168.x.99
host1 192.168.x.100
host2 192.168.x.101

内容的提问来源于stack exchange，提问作者N. J