如何在bash中从文本文件中删除非中断空格

Question

我有一个包含文本和数字的csv文件。

如果一个数字大于1000，格式如下：1000，所以它有一个作为千分隔符的空间，但它不是空间。我试着sed它，它在真实空间所在的地方工作，但不是这种格式。

它也不是TAB，我删除了所有带有"；展开-t1"；。

下面一行说明了这个问题：

x17_Provident_GDN_REMARKETING_provident.hu_listák;Display_Hálózat;Szeged;2021-03-09;Kedd;Mobil;HUF;1 736;9;130.83;0.00

倒数第二行，第8列：1 736就是问题所在。

运行这个：grep -E -m 1 -e '[;]1[^;]+736[;]' <yourfile.csv | hexdump -C

给出：

00000000  78 31 37 5f 50 72 6f 76  69 64 65 6e 74 5f 47 44  |x17_Provident_GD|
00000010  4e 5f 52 45 4d 41 52 4b  45 54 49 4e 47 5f 70 72  |N_REMARKETING_pr|
00000020  6f 76 69 64 65 6e 74 2e  68 75 5f 6c 69 73 74 c3  |ovident.hu_list.|
00000030  a1 6b 3b 44 69 73 70 6c  61 79 5f 48 c3 a1 6c c3  |.k;Display_H..l.|
00000040  b3 7a 61 74 3b 53 7a 65  67 65 64 3b 32 30 32 31  |.zat;Szeged;2021|
00000050  2d 30 33 2d 30 39 3b 4b  65 64 64 3b 4d 6f 62 69  |-03-09;Kedd;Mobi|
00000060  6c 3b 48 55 46 3b 31 c2  a0 37 33 36 3b 39 3b 31  |l;HUF;1..736;9;1|
00000070  33 30 2e 38 33 3b 30 2e  30 30 0a                 |30.83;0.00.|
0000007b

Answer 1

这是一个2字节、UTF-8编码的非中断空间-c2 a0。

您可以使用perl来安全地移除它。

perl -pe 's/xc2xa0//g' dirty.csv > clean.csv

Answer 2

在我们知道它是无中断空间后，我简单地在mac上使用了输入方法：

opt+space

cat test4.csv | sed 's/ //g'

Answer 3

类似于perl，您可以将GNUsed与LC_ALL=C:一起使用

LC_ALL=C sed 's/xc2xa0//g'