質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.83%

  • MacOS(OSX)

    1747questions

    MacOSとは、Appleの開発していたGUI(グラフィカルユーザーインターフェース)を採用したオペレーションシステム(OS)です。Macintoshと共に、市場に出てGUIの普及に大きく貢献しました。

  • CSV

    563questions

    CSV(Comma-Separated Values)はコンマで区切られた明白なテキスト値のリストです。もしくは、そのフォーマットでひとつ以上のリストを含むファイルを指します。

  • AWK

    64questions

    AWKは、UNIX 上で開発されたプログラミング言語で、CSVファイルなどのテキストファイルの処理を目的にデザインされています。

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

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 141

wwwww

score 1

 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。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • wwwww

    2018/05/29 23:16

    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。

    キャンセル

  • KojiDoi

    2018/05/30 00:33

    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。

    キャンセル

  • wwwww

    2018/05/30 01:25

    >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。

    キャンセル

回答 1

checkベストアンサー

0

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

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/06/02 22:59

    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。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.83%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • MacOS(OSX)

    1747questions

    MacOSとは、Appleの開発していたGUI(グラフィカルユーザーインターフェース)を採用したオペレーションシステム(OS)です。Macintoshと共に、市場に出てGUIの普及に大きく貢献しました。

  • CSV

    563questions

    CSV(Comma-Separated Values)はコンマで区切られた明白なテキスト値のリストです。もしくは、そのフォーマットでひとつ以上のリストを含むファイルを指します。

  • AWK

    64questions

    AWKは、UNIX 上で開発されたプログラミング言語で、CSVファイルなどのテキストファイルの処理を目的にデザインされています。