如何根据每行上找到的值将文件带有sed拆分为多个文件？

问题描述

我有几个Company_***.csv files（尽管分隔符是一个制表符，而不是逗号；因此应该是* .tsv，但不要紧），其中包含一个标题和许多数据行，例如

1stHeader   2ndHeader   DateHeader  OtherHeaders...
111111111   SOME STRING 2020-08-01  OTHER STRINGS..
222222222   ANOT STRING 2020-08-02  OTHER STRINGS..

我必须根据这里的第三列进行拆分，这是一个日期。

每个文件的名称应类似于Company_2020_08_01.csv Company_2020_08_02.csv等 并包含：第一行的标头+匹配以下行的行。

起初我考虑过将标头保存（一次）到一个文件中，例如

 sed -n '1w Company_header.csv' Company_*.csv

然后使用日期格式解析文件（因此，标题将被跳过），例如

sed -n '/\t2020-[01][0-9]-[0-3][0-9]\t/w somefilename.csv' Company_*.csv

...，最后，在每个生成的文件中插入（丢失）标头。

但是我陷入了第2步：找不到w命令期望的“动态生成”（filename）“文件名”的方法，也找不到如何捕获搜索模式中的日期（因为显然这只是一个地址，而不是s/regexp/replacement/[flags]命令中的搜索替换“字段”，因此您不能拥有捕获组{{1 }}。

所以我想知道( )是否真的可行？或者我应该看看其他工具，例如sed？

免责声明：我对这些命令相当满意，所以我只是从头开始学习/开始...

解决方法

抢救Perl！

perl -e 'while (<>) {
    $h = $_,next if $. == 1;
    $. = 0 if eof;
    @c = split /\t/;
    open my $out,">>","Company_" . $c[2] =~ tr/-/_/r . ".csv" or die $!;
    print {$out} $h unless tell $out;
    print {$out} $_;
}' -- Company_*.csv

• 标量上下文中的菱形运算符<>从输入中读取一行。
• 每个文件的第一行存储在变量$h中，请参见$.和eof
• split用每一行的列值填充@c数组
• $c[2]包含日期，我们使用tr将破折号转换为下划线以从中创建文件名。 open打开文件进行添加。
• print如果文件为空，则显示标题（请参见tell）
• 并打印当前行。

请注意，它只会附加到文件中，因此请不要忘记在再次运行脚本之前删除任何输出文件。