如何修改AWK脚本，为CSV中重复名称的初始项添加位置生成登录名？

需求说明 #

• 当name字段存在重复时，该name对应的所有条目（包括首次出现的初始项）的login字段需格式化为：小写location+小写name@mail.com
• 非重复的name字段条目，login字段直接使用：小写name@mail.com

原始CSV数据 #

id,location,name,login
1,KP,Lacie,
2,US,Pamella,
3,CY,Korrie,
4,NI,Korrie,
5,BT,Queenie,
6,AW,Donnie,
7,GP,Pamella,
8,KP,Pamella,
9,LC,Pamella,
10,GM,Ericka,

期望输出结果 #

id,location,name,login
1,KP,Lacie,lacie@mail.com
2,US,Pamella,uspamella@mail.com
3,CY,Korrie,cykorrie@mail.com
4,NI,Korrie,nikorrie@mail.com
5,BT,Queenie,queenie@mail.com
6,AW,Donnie,donnie@mail.com
7,GP,Pamella,gppamella@mail.com
8,KP,Pamella,kppamella@mail.com
9,LC,Pamella,lcpamella@mail.com
10,GM,Ericka,ericka@mail.com

现有脚本问题 #

使用以下AWK脚本仅为后续重复项添加了位置前缀，首次出现的重复name条目未添加前缀：

cat data.csv | awk 'BEGIN {FS=OFS=","};
NR > 1 {
split($3, name)
$4 = tolower($3)
split($4, login)
for (k in login) {
!a[login[k]]++ ? sub(login[k], login[k]"@mail.com", $4) : sub(login[k], tolower($2)login[k]"@mail.com", $4)
}
}; 1' > data_new.csv 

当前错误输出：

id,location,name,login
1,KP,Lacie,lacie@mail.com
2,US,Pamella,pamella@mail.com
3,CY,Korrie,korrie@mail.com
4,NI,Korrie,nikorrie@mail.com
5,BT,Queenie,queenie@mail.com
6,AW,Donnie,donnie@mail.com
7,GP,Pamella,gppamella@mail.com
8,KP,Pamella,kppamella@mail.com
9,LC,Pamella,lcpamella@mail.com
10,GM,Ericka,ericka@mail.com

修改后的解决方案 #

问题根源是原脚本在第一次遍历的时候无法预知当前name是否会重复，所以需要两次扫描CSV文件：第一次统计每个name的出现次数，第二次根据次数生成对应的login字段。

修改后的AWK脚本：

awk 'BEGIN {FS=OFS=","}
# 第一次扫描：统计每个name的出现次数
NR == FNR {
    if (NR > 1) {
        name_count[tolower($3)]++
    }
    next
}
# 第二次扫描：生成login字段
{
    if (NR == 1) {
        print $0
        next
    }
    lower_name = tolower($3)
    lower_loc = tolower($2)
    if (name_count[lower_name] > 1) {
        $4 = lower_loc lower_name "@mail.com"
    } else {
        $4 = lower_name "@mail.com"
    }
    print $0
}' data.csv data.csv > data_new.csv

脚本说明 #

1. 第一次扫描（NR == FNR）：遍历整个CSV，统计每个小写name的出现次数，存储在name_count数组中
2. 第二次扫描：
   • 保留表头行直接输出
   • 对数据行，先转换name和location为小写
   • 检查当前name的出现次数：如果大于1，就生成带location前缀的login；否则生成普通格式的login
   • 输出处理后的行

验证结果 #

运行修改后的脚本后，输出将完全符合期望结果，所有重复name的条目（包括首次出现的）都会添加对应location的小写前缀。

内容的提问来源于stack exchange，提问作者Dmitry Strunewsky