固定長テキストファイルを、指定バイト数で区切りcsvファイルにしたい

Question

前提・実現したいこと

OSX ターミナルにて、

全角文字・半角文字・半角スペースで構成された固定長テキストファイルを、指定のバイト数で区切ってcsvファイルにしたいです。

発生している問題・試したこと

入力データの文字コードを「UTF-8(LF)」にして
cat sample.csv | gawk 'BEGIN{FIELDWIDTHS="2 4 2 6 5 1 1 3 "}{print $1","$2","$3","$4”,……とすると、
全角文字を２バイトで読んでほしいところ１バイト換算になってしまい、
文字コードを「Shift_JIS (LF)」にしてから試したところ、文字ばけてしまいました。

また、cat sample.csv | sed -e ’s/^(.{2})(.{4})(.{2})(.{6})…/“\1”,”\2”,”\3”,”\……
としたら、日本語が出力から消え、スペース に謎の数値が入っていました。

追記

皆様　ご回答、ありがとうございます！

言葉足らずですいません。。
文字コードへのこだわりはありません。
バイト数が(配列の中身を考慮しており)固定で、半角文字は1バイト、全角文字は2バイトで抜き出してほしいです。加工元の固定長ファイルは、2行目以降もすべて同じバイト数で構成されています。

例えばFIELDWIDTHSが6の箇所にて、全角文字と半角スペースが混じっているため、
"あいう"という文字列の場合もあれば、("あいうえおか"で抜き出されてしまい、ここ以降がずれてしまう)
"あい "の場合もあれば、("あい うえ"が抜かれてしまう)
" "の場合もあります(" "の正しい形で抜かれる)

追記②

KojiDoi さん

早速のご回答、ありがとうございます!!

文字列が「あいう」なのにfieldwidthが5だったりする ケースが有りえる

全角文字が含まれる項目はすべて偶数になっています(全角文字を2バイトで扱わないといけない前提?)。ですので奇数の場合がありません。

Comments

[KojiDoi]

その仕様で行くと、データが途中で改行されるケースが出てくると思いますが、それでもいいのですか？　UTF-8ではいわゆる全角文字は3バイト使うと思いますが、ほんとうに２バイト扱いでいいのですか？

[cateye]

＞指定のバイト数・・・は、“配列の中身を考慮してある”と、いうことですか？

[wwwww]

ご回答ありがとうございます!　変わらず未解決なので、追記しました。解決手段あるようであれば、再度ご教授いただけないでしょうか。よろしくお願いします。

[KojiDoi]

文字列が「あいう」なのにfieldwidthが5だったりする ケースが有りえると思いますが、どうしますか。

[wwwww]

>KojiDoi さん 早速のご回答、ありがとうございます!! 追記させていただきました。

Answer 1

バイト単位で扱いたい場合は、ロケールをCにします。
なお、UTF-8での日本語の全角は主に3バイトですが、3バイトとは限りません。

echo "あ文字abx 123" |
LC_ALL=C awk 'BEGIN{FIELDWIDTHS="3 6 2 1 1 3";OFS=","}
{print $1,$2,$3,$4,$6}
'
#=> あ,文字,ab,x,123

Comments

[wwwww]

ありがとうございました。
LC_ALL=C を追加して再度実施したところ成功しました。