如何从 bash 中的文本文件中删除不间断空格？

问题描述

我有一个包含文本和数字的 csv 文件。 如果数字大于 1000，格式如下：1 000， 所以它有一个空格作为千​​位分隔符，但它不是空格。我尝试对它进行 sed，它可以在真实空间中工作，但不是这种格式。

它也不是 TAB，我用“expand -t 1”删除了所有 TAB。

以下是说明问题的一行：

x17_Provident_GDN_REMARKETING_provident.hu_listák;display_Hálózat;Szeged;2021-03-09;Kedd;Mobil;HUF;1 736;9;130.83;0.00

倒数第二行第 8 列：1 736 是问题所在。

并运行：grep -E -m 1 -e '[;]1[^;]+736[;]' <yourfile.csv | hexdump -C

给出：

00000000  78 31 37 5f 50 72 6f 76  69 64 65 6e 74 5f 47 44  |x17_Provident_GD|
00000010  4e 5f 52 45 4d 41 52 4b  45 54 49 4e 47 5f 70 72  |N_REMARKETING_pr|
00000020  6f 76 69 64 65 6e 74 2e  68 75 5f 6c 69 73 74 c3  |ovident.hu_list.|
00000030  a1 6b 3b 44 69 73 70 6c  61 79 5f 48 c3 a1 6c c3  |.k;display_H..l.|
00000040  b3 7a 61 74 3b 53 7a 65  67 65 64 3b 32 30 32 31  |.zat;Szeged;2021|
00000050  2d 30 33 2d 30 39 3b 4b  65 64 64 3b 4d 6f 62 69  |-03-09;Kedd;Mobi|
00000060  6c 3b 48 55 46 3b 31 c2  a0 37 33 36 3b 39 3b 31  |l;HUF;1..736;9;1|
00000070  33 30 2e 38 33 3b 30 2e  30 30 0a                 |30.83;0.00.|
0000007b

解决方法

这是一个 2 字节、UTF-8 编码的 non breaking space - c2 a0。

您可以使用 perl 安全地删除它。

perl -pe 's/\xc2\xa0//g' dirty.csv > clean.csv

,

在我们知道它是 No break space 之后，我简单地在 mac 上使用 entry 方法将其 sed：

opt+space

cat test4.csv | sed 's/ //g'

,

与 perl 类似，您可以将 GNU itertools 与 from itertools import product sndf = pd.DataFrame(product(*indexes),columns=sheet_dict.keys()).rename_axis("scenario") sndf.index += 1 一起使用：

sed