如何使用awk选取CSV文本列并重格式化datetime字段

首先需要明确一个高频踩坑点：你提到的直接用awk '{print $1,$5,$6}'的写法，在这个逗号分隔、无内嵌空格的CSV上是无法正常工作的。awk默认字段分隔符为任意空白字符，这类无空格的逗号分隔文件会被整行识别为$1，后续列的读取会全部失效，必须先在脚本中指定字段分隔符为逗号。

下面给出三种不同场景下的可落地实现：

方案1：正则逐次替换（全版本awk兼容） #

原时间字段是结构固定的ISO格式，不需要复杂逻辑，逐次替换指定字符即可得到目标格式：

BEGIN { FS="," }
{
  dt = $1
  gsub(/-/, "", dt)          # 移除年月日之间的横杠
  gsub(/T/, "_", dt)          # 将日期与时间之间的T分隔符替换为下划线
  gsub(/:/, "", dt)           # 移除时分秒之间的冒号
  sub(/\..*/, ".x", dt)       # 将小数点后的毫秒部分替换为固定的.x后缀
  print dt, $5, $6
}

方案2：固定位置切片（适配macOS自带BSD awk） #

由于输入的时间字符串为等长固定结构，直接按字符位置提取需要的片段拼接，不依赖gawk的专有特性，可在所有awk版本上运行：

BEGIN { FS="," }
{
  # 按固定字符位置提取日期、时间片段
  ymd = substr($1, 1, 4) substr($1, 6, 2) substr($1, 9, 2)
  hms = substr($1, 12, 2) substr($1, 15, 2) substr($1, 18, 2)
  print ymd "_" hms ".x", $5, $6
}

方案3：正则捕获组（Linux GNU awk下更简洁） #

如果使用的是Linux系统内置的GNU awk，可以直接通过match函数的捕获组一次性提取需要的内容，代码更简洁：

BEGIN { FS="," }
{
  match($1, /(\d{4})-(\d{2})-(\d{2})T(\d{2}):(\d{2}):(\d{2})/, tm)
  dt = sprintf("%s%s%s_%s%s%s.x", tm[1], tm[2], tm[3], tm[4], tm[5], tm[6])
  print dt, $5, $6
}

实际运行效果 #

针对你给出的测试数据，以上三种脚本运行后都会输出符合要求的结果：

20080114_133837.x C200801141338s 20080114T133837M583Z044
20080116_115444.x C200801161154d 20080116T115444M589Z012

内容的提问来源于stack exchange，提问作者wsdzbm