我正在尝试将许多文本文件转换为xls文件。txt文件的样式如下:
"Name";"Login";"Role"
"Max Muster";"Bla102";"user"
"Heidi Held";"Held100";"admin"
我试着使用这个bash脚本:
for file in *.txt; do
tr ";" "," < "$file" | paste -d, <(seq 1 $(wc < "$file")) - > "${file%.*}.xls"
soffice --headless --convert-to xls:"MS Excel 95" filename.xls "${file%.*}.xls"
done
有了这个,我失去了标题行,我也得到了一个有很多中文标志的列,但其他看起来还可以:
攀挀琀 | Max Muster | Bla102 | user
氀愀猀 | Heidi Held | Held100 | admin
我怎样才能去掉这些中文标志并保留标题行?
不幸的是,这个问题没有提供足够的细节来确定问题的具体内容;但我们在评论中至少确定了以下内容。
- 显然,输入文件包含DOS回车
- 显然,
soffice
试图将文件读取为UTF-16,这就是产生基本上随机的汉字的原因。(字符可以是任何字符;只是更可能的是,一个随机的Unicode BMP字符将出现在中文/日文块中。(
有了这些观察结果和对现有脚本的重构,请尝试
for file in *.txt; do
awk -F ';' 'BEGIN { OFS="," }
FNR==1 {
# Add UTF-8 BOM
printf "357273277"
# Generate header line for soffice to discard
for (i=1; i<=NF; i++) printf "bogus%s", (i==NF ? "n" : OFS)
}
{ sub(/ 15/, ""); print FNR, $0 }' "$file" > "${file%.*}.xls"
soffice --headless --convert-to xls:"MS Excel 95" filename.xls "${file%.*}.xls"
done
在许多单词中,Awk脚本以分号(-F ';'
(分隔每个输入行,并将输出字段分隔符OFS
设置为逗号。在第一个输出行上,我们为soffice
添加了一个BOM和一个合成标题行,以便在实际输出之前丢弃,这样标题行在输出中看起来像一个常规数据行。sub
负责删除任何DOS回车字符,变量FNR
是当前输入行的行号。
我不确定BOM或伪标题行是否是严格必要的,或者是否需要传递一些额外的选项来使soffice
将输入视为正确的UTF-8。也许您还需要在管道中的某个位置包含LC_ALL=C
。