1

Tengo el siguiente csv: (pongo las 5 primeras filas, la primera son los titulos)

itle,site,country,year_release,box_office,director,number_of_subjects,subject,type_of_subject,race_known,subject_race,person_of_color,subject_sex,lead_actor_actress
10 Rillington Place,http://www.imdb.com/title/tt0066730/,UK,1971,-,Richard Fleischer,1,John Christie,Criminal,Unknown,,0,Male,Richard Attenborough
12 Years a Slave,http://www.imdb.com/title/tt2024544/,US/UK,2013,$56.7M,Steve McQueen,1, Solomon Northup,Other,Known,African American,1,Male,Chiwetel Ejiofor
127 Hours,http://www.imdb.com/title/tt1542344/,US/UK,2010,$18.3M,Danny Boyle,1,Aron Ralston,Athlete,Unknown,,0,Male,James Franco
1987,http://www.imdb.com/title/tt2833074/,Canada,2014,-,Ricardo Trogi,1,Ricardo Trogi,Other,Known,White,0,Male,Jean-Carl Boucher
20 Dates,http://www.imdb.com/title/tt0138987/,US,1998,$537K,Myles Berkowitz,1,Myles Berkowitz,Other,Unknown,,0,Male,Myles Berkowitz

Necesito eliminar las columnas "race_known", "subject_race", "person_of_color".

He probado con esto:

s/,[^,]*//9
s/,[^,]*//10
s/,[^,]*//11 

pero no me funciona, no me acaba de eliminar bien las columnas. Algún consejo?

1

2 respuestas 2

1

Si insistimos en usar sed con tu archivo in.csv, lo siguiente podría funcionar:

sed -E 's/^(([^,]*,){9})(([^,]*,){3})(.*)$/\1\5/' in.csv

La opción -E nos permite usar las expresiones regulares extendidas ERE. El comando descompone cada línea del archivo in.csv en tres partes (agrupadas por los 3 pares de paréntesis exteriores s/^(grupo 1)(grupo 2)(grupo 3)$/\1\5/): el primer par de paréntesis exteriores captura las primeras 9 columnas; el segundo par captura las 3 columnas siguientes (columnas 10, 11 y 12); y el último par captura el resto de la línea (columnas 13 en adelante).

Si contamos todos los pares de paréntesis (exteriores e interiores), el tercer par de paréntesis exteriores corresponde al quinto par de paréntesis, esto explica el porqué usamos las referencias \1 y \5 en el comando de sustitución.

Una solución más simple es usar cut como lo indica la respuesta en inglés que menciona @eftshift0.

cut -d, -f 10-12 --complement in.csv

Sin embargo, a menos que sepas lo que estás haciendo, no es recomendable manipular archivos CSV con procesadores "genéricos" como sed, awk, cut, etc. Es mejor usar herramientas que "entiendan" el formato CSV como está especificado en el documento técnico RFC 4180. Por ejemplo, los dos comandos anteriores fallarían para archivos CSV válidos que contengan comas en celdas entrecomilladas.

Propuesta recomendada

Existen muchas herramientas diseñadas para tratar archivos CSV (RFC-4180). Las que recomiendo son:

  • xsv
    xsv select '!10-12' in.csv
    
  • miller
    mlr --csv cut -x -f race_known,subject_race,person_of_color in.csv 
    
  • csvkit
    csvcut -C 10-12 in.csv
    
  • qsv (un fork de xsv)
    qsv select '!10-12' in.csv
    
0

Prueba con esto sed 's/race_known,//; s/subject_race,//; s/person_of_color,//' tu_archivo.csv > nuevo_archivo.csv

1
  • Tu respuesta podría mejorarse con información de apoyo adicional. Por favor, pulsa en editar para añadir más detalles, como citas o documentación, para que otros puedan confirmar que tu respuesta es correcta. Puedes encontrar más información sobre cómo escribir buenas respuestas en el centro de ayuda.
    – Comunidad Bot
    Commented el 15 dic. 2023 a las 11:47

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.