根据一列中的值拆分CSV文件，但仅保留1列并另存为TXT

如何解决根据一列中的值拆分CSV文件，但仅保留1列并另存为TXT

我有一个两列电子表格（以CSV格式保存），如下所示：

COLUMN 1,COLUMN 2
innovation,3-Entrepreneurship
countless,innocent,2-Police
toilet handle,2-Bathroom
née dresses,3-Companies
odorless,2-Sense of Smell
old ideas,3-Entrepreneurship
new income streams,3-Entrepreneurship
Zoë’s food store,3-Companies
many,crime,2-Police
bath room,2-Bathroom
ring,móvíl résumés,3-Companies
musty smell,2-Sense of Smell
good publicity guru,3-Entrepreneurship
Señor,3-Companies

完整的电子表格为6000行（以CSV格式保存，用逗号分隔两列）。除了此处列出的第2列类别外，它还具有其他功能。

如所示，第1列的某些条目由用空格分隔的两个或三个词组成。它们还利用撇号和带重音的字符（这些字符出现在多个类别中，而不仅仅是标题为3-Companies的类别中）。

您可以下载完整电子表格here的示例。

我想通过第2列中的值将CSV文件拆分为单独的TXT文件。单独的文件将不再是电子表格表格，而只是单词列表。

例如分裂后

在文件 3-Entrepreneurship.txt

innovation
old ideas
new income streams
good publicity guru

在文件 2-Bathroom.txt

中

toilet handle
bath room

在文件 2-Police.txt

中

innocent
crime

在文件 2-Sense of Smell.txt

odorless
musty smell

在文件 3-Companies.txt

中

née dresses
Zoë’s food store
móvíl résumés
Señor

这只是一个示例。完整文件具有5个以上的类别（在第2列中），因此拆分后的文件将超过5个。

---

到目前为止，这是我的代码：

awk -F "," '{print $0 >> ($2 ".txt"); close($2 ".txt")}' test.csv

它可以工作，但是有一些问题：

1. 文件名最后以问号打印出来。 例如。 2-Police?.txt 3-Entrepreneurship?.txt

2. 文件显示为两列。

例如，在 3-Entrepreneurship.txt 中，它具有以下数据：

innovation  3-Entrepreneurship
ideas       3-Entrepreneurship
income      3-Entrepreneurship
publicity   3-Entrepreneurship

解决方法

tail -n +2 file |
sort -t',' -k2 |
awk -F',' '$2~/^[[:space:]]*$/{next} {sub(/\r$/,"")} $2!=prev{close(out); out=$2".txt"; prev=$2} {print $1 > out}'

为了提高效率，我们首先对数据进行排序，这样awk不必逐行打开/关闭文件，而是每个$ 2唯一值执行一次打开/关闭文件。

脚本在这里工作：

$ ls
file

$ cat file
COLUMN 1,COLUMN 2
innovation,3-Entrepreneurship
countless,innocent,2-Police
toilet handle,2-Bathroom
née dresses,3-Companies
odorless,2-Sense of Smell
old ideas,3-Entrepreneurship
new income streams,3-Entrepreneurship
Zoë’s food store,3-Companies
many,crime,2-Police
bath room,2-Bathroom
ring,móvíl résumés,3-Companies
musty smell,2-Sense of Smell
good publicity guru,3-Entrepreneurship
Señor,3-Companies

。

$ tail -n +2 file | sort -t',' -k2 | awk -F',"")} $2!=prev{close(out); out=$2".txt"; prev=$2} {print $1 > out}'

。

$ ls
 2-Bathroom.txt   2-Police.txt  '2-Sense of Smell.txt'   3-Companies.txt   3-Entrepreneurship.txt   file

$ head -n 50 *.txt
==> 2-Bathroom.txt <==
bath room
toilet handle

==> 2-Police.txt <==
crime
innocent

==> 2-Sense of Smell.txt <==
musty smell
odorless

==> 3-Companies.txt <==
móvíl résumés
née dresses
Señor
Zoë’s food store

==> 3-Entrepreneurship.txt <==
good publicity guru
innovation
new income streams
old ideas

,

您非常亲密。

首先，似乎不应将第2列中没有值的单词写入文件。如果是这样，请为您的操作添加测试。测试可以只是$2，如果{ ... }为空，则会跳过$2内部的操作。

第二，如果只需要单词，则仅将col 1写入文件-而不是$0中的整行

以您的示例（没有,分隔），您可以执行以下操作：

awk '$2 {print $1 >> ($2 ".txt"); close($2 ".txt")}' file

请确保删除.txt文件或在空目录中运行，因为如果文件已经存在，这会追加文件。

产生：

2-Bathroom.txt:
toilet
bath

2-Police.txt:
innocent
crime

2-Sense.txt:
odorless
musty

3-Entrepreneurship.txt:
innovation
ideas
income
publicity