☰

Extraia informações entre aspas duplas em .csv

tag-icon • tag-icon bash csv
Extraia informações entre aspas duplas em .csv

Estou tendo alguns problemas com um script que analisa um arquivo .csv

Informações sobre .csv:

#1,13/8/2020,[email protected],[email protected],,Subject,"Dear Dude,

Information have been updated. Please login to APP to review by 30th August 2020. Thank you.

Best regards,
Mr. Mack",Pending,13/8/2020 12:35

É assim que as informações devem ser particionadas: MsgID,Data,Para,CC,BCC,Assunto,Corpo,Status,Timestamp

MsgID=#1
Date=13/8/2020
[email protected]
[email protected]
BCC=
Subject=Subject
Body=Dear Dude,
Information have been updated. Please login to APP to review by 30th August 2020. Thank you.
Best regards,
Mr. Mack
Status=Pending
Timestamp=13/8/2020 12:35

Os problemas que estou tendo são com a parte do corpo por dois motivos, o "," no texto que quebra quando estou tentando executar o script e o outro motivo são as quebras de linha no texto.

Este é o script que eu estava fazendo:

#!/bin/bash

export TIMESTAMP="$( date '+%d/%m/%Y %H:%M:%S' )"
INPUT=/tmp/test.csv
OUTPUT=/tmp/test.csv.out
OLDIFS=$IFS
IFS=','
[ ! -f $INPUT ] && { echo "$INPUT file not found"; exit 99; }
while read msgid dat to cc bcc subject body status timesta
do
        echo "MSG ID : $msgid" 
        echo "Date : $dat"
        echo "To : $to"
        echo "CC : $cc"
        echo "BCC : $bcc"
        echo "Subject : $subject"
        echo "Body : $body"
        echo "Status : $status"
        echo "Timestamp : $timesta"
echo $body | mail -s "$subject" $to -c $cc -b $bcc
printf "$msgid,$dat,$to,$cc,$bcc,$subject,$body,Sent,$TIMESTAMP" >> $OUTPUT
done < $INPUT
IFS=$OLDIFS

Responder1

A casca é apenas umferramenta muito ruim para análise de texto. Você só deve usá-lo para as tarefas mais simples e provavelmente nem mesmo assim. É lento, ineficiente, sua sintaxe muito complicada o torna sujeito a erros e carece das ferramentas mais básicas de processamento de texto. Além disso, CSV é um formato complexo que permite entradas aninhadas e com várias linhas. Tentar analisar um arquivo CSV no shell é apenas causar problemas.

Portanto, use uma linguagem de programação adequada com suporte para análise de CSV. Por exemplo, em python:

#!/bin/python3
import csv
import sys

with open(sys.argv[1], newline='') as csvfile:
    fieldnames = ("MsgID","Date","To","CC","BCC",
                  "Subject","Body","Status","Timestamp")
    reader = csv.reader(csvfile, delimiter=',',
    for row in reader:
        for fieldName, value in zip(fieldnames,row):
            print("%s: %s" % (fieldName,value))

Salvei o script acima como foo.pye então:

MsgID: #1
Date: 13/8/2020
To: [email protected]
CC: [email protected]
BCC: 
Subject: Subject
Body: Dear Dude,

Information have been updated. Please login to APP to review by 30th August 2020. Thank you.

Best regards,
Mr. Mack
Status: Pending
Timestamp: 13/8/2020 12:35

Como você pode ver, ele reconheceu corretamente todos os campos. Então, para enviar também o e-mail, você poderia fazer algo assim (adaptado daqui):

#!/bin/python3
import csv
import sys
import subprocess
import os

def send_message(to, cc, bcc, subject, body):
    try:
        process = subprocess.Popen(['mail', '-s', subject, '-c', cc, '-b', bcc, to],
                                   stdin=subprocess.PIPE)
    except Exception as error:
      print(error)
    process.communicate(body)


with open(sys.argv[1], newline='') as csvfile:
    reader = csv.reader(csvfile, delimiter=',')
    for row in reader:
        (msgID, date, to, cc, bcc, subj, body, status, timestamp) = row
        send_message(to, cc, bcc, subj, body)

AVISO LEGAL: Você parece estar usando o BSD mailcom base nas opções que possui. Não tenho acesso a um sistema funcional com essa ferramenta instalada, por isso não pude testar o script de envio de e-mail acima. Deve pelo menos servir como um bom começo.

Responder2

Você poderia usar uma ferramenta como Miller (https://github.com/johnkerl/miller), especializado para trabalhar com dados de texto estruturado.

No exemplo a partir deste input.txtarquivo

#1,13/8/2020,[email protected],[email protected],,Subject,"Dear Dude,

Information have been updated. Please login to APP to review by 30th August 2020. Thank you.

Best regards,
Mr. Mack",Pending,13/8/2020 12:35

e correndo

mlr --implicit-csv-header --c2x cat then label MsgID,Date,To,CC,BCC,Subject,Body,Status,Timestamp input.txt

voce terá

MsgID     #1
Date      13/8/2020
To        [email protected]
CC        [email protected]
BCC
Subject   Subject
Body      Dear Dude,

Information have been updated. Please login to APP to review by 30th August 2020. Thank you.

Best regards,
Mr. Mack
Status    Pending
Timestamp 13/8/2020 12:35

Se você deseja remover o retorno de carro no campo body, você pode executar

mlr --implicit-csv-header --c2x cat then label MsgID,Date,To,CC,BCC,Subject,Body,Status,Timestamp then put '$Body=gsub($Body,"\n"," ")' input.txt

Ter

MsgID     #1
Date      13/8/2020
To        [email protected]
CC        [email protected]
BCC
Subject   Subject
Body      Dear Dude,  Information have been updated. Please login to APP to review by 30th August 2020. Thank you.  Best regards, Mr. Mack
Status    Pending
Timestamp 13/8/2020 12:35

informação relacionada