извлеките 4-й столбец из файла CSV с помощью команды Unix

ОБНОВЛЕНИЕ:

На самом деле намного более легкий путь состоит в том, чтобы установить разделитель записей в gawk:

$ gawk 'BEGIN{RS="\"\n"; FS=","}{print $4}' myFile.csv
"col4
"4th column
"4th column2

Однако это удалит запаздывание " от конца каждого столбца. Для фиксации этого, можно распечатать его сами:

$ gawk 'BEGIN{RS="\"\n"; FS=","}{print $4"\""}' myFile.csv
"col4"
"4th column"
"4th column2"

Если Вы не хотите кавычки вообще, можно установить разделителя полей на ",":

$ gawk 'BEGIN{RS="\"\n"; FS="\",\""}{print $3}' myFile.csv
col3
4th column
4th column2

Единственным путем я могу думать об Одном способе сделать, это должно сначала изменить файл и затем проанализировать его. В Вашем примере новая строка, которая на самом деле разделяет две записи, всегда следует за a ":

"col1","col2","col3","col4"   <-- here 
1,"text1","<p>big             <-- no "

Если это так, для всего файла, можно заменить все новые строки, которые сразу не являются после a " с заполнителем и тем самым имеют все в одной строке. Можно затем обычно анализировать с gawk и наконец замените заполнителя новой строкой снова. Я буду использовать строку &%& как заполнитель, так как это вряд ли будет существовать в Вашем файле:

$ perl -pe 's/"\s*\n/"&%&/; s/\n//g; s/&%&/\n/;' myFile.csv | awk -F, '{print $4}'
"col4"
"4th column"
"4th column2"

-p флаг для perl средства print each line of the input file после применения сценария, данного -e. Затем существует 3 замены (s/foo/bar/) команды:

• s/"\s*\n/"&%&/ : Это найдет любого " который сопровождается 0 или больше пробельными символами (\s*) и затем символ новой строки (\n). Это заменит это "&%&. Кавычки добавляются для сохранения формата и &%& просто случайный заполнитель, это могло быть что-либо, что не появляется в Вашем файле.

• s/\n//g; : так как реальные новые строки были заменены заполнителем, мы можем теперь безопасно удалить все остающиеся новые строки в этой записи. Это означает, что все строки текущей записи были теперь связаны в текущую строку.

• s/&%&/\n/ : Это возвращает заполнителя в нормальную новую строку.

Для понимания вывода команды выполняет его без gawk:

$ perl -pe 's/"\s*\n/"&%&/; s/\n//g; s/&%&/\n/;' myFile.csv 
"col1","col2","col3","col4"
1,"text1","<p>big      html     text</p>","4th column"
2,"text2","<p>big2      html2     text2</p>","4th column2"

Так, у Вас теперь есть свои длинные записи на одних строках, и это - идеальная еда для gawk.

Можно также сделать это непосредственно в Perl:

perl -ne '$/="\"\n"; chomp;@a=split(/,/);print "$a[3]\"\n"' myFile.csv
"col4"
"4th column"
"4th column2"

Это использует немного больше волшебства Perl. $/специальная переменная является входным разделителем записей. Путем установки его на "\n мы говорим Perl разделять строки не в \n но только в "\n" так, чтобы каждую запись рассматривали как одну строку. После того как это сделано, chomp удаляет новую строку из конца строки (для печати позже) и split разделения каждая запись (на ,) и сохраняет его в массиве @a. Наконец, мы печатаем 4-й элемент массива (массивы пронумерованы от 0 так, чтобы был $a[3]) который является 4-м столбцом.

И еще больше волшебства, включите автоматическое плевание (-a) и разделенный на запятых (F","). Это разделит каждую запись на специальное предложение @F массив и Вы можете распечатать 4-й элемент массива:

$ perl -F"," -ane '$/="\"\n";chomp;print "$F[3]"' myFile.csv
"col4"
"4th column"
"4th column2"