Excelテキストのセル内改行排除 Awk Script

Excel全シートテキスト保存 Excel macro でも紹介したExcelテキスト…

面倒なことに、コイツはセル内改行があると、Excelシートでの1行がExcelテキスト上で複数行に分断されてしまう。テキストファイルとして見栄えが悪い。

そこで、行の合成だ。

AWKのつぼ

テンプレート化してるから、_BEGIN,_main,_ENDに通常の行処理を書けば、セル内改行を意識しないで動かせる。
ま、ファイル全体一気読み＋ファイル全体を配列化などというメモリ無駄食いスクリプトだがな。

tsvsngl.bat

@gawk -f tsvsngl.awk %1 > %1.tsvsngl.tmp @copy /y %1 %1.tsvsngl.bak 2> nul 1>nul @move /y %1.tsvsngl.tmp %1 2> nul 1>nul @fc /b %1 %1.tsvsngl.bak 2> nul 1>nul @if %ERRORLEVEL% EQU 0 goto L0 @exit /b :L0 @move /y %1.tsvsngl.bak %1 2> nul 1>nul

tsvsngl.awk

function _BEGIN(){ } function _main(){ print $0; } function _END(){ } ##------ここまではユーザーコード #### Excelテキスト(セル内複数行⇒セル内1行)変換機能テンプレート ## BEGIN,END,行処理の代わりに_BEGIN,_END,_mainにコーディングする ## ## _mainではセル内改行が"↓"に置き換わった１行が処理できる。 ## 同時にセル内先頭、セル内後尾に付加されているダブルクォートも ## 削除される。 ## ## _BEGINでは任意のRS(レコードセパレータ),FS(フィールドセパレータ) ## の設定が可能。(default RS="\n" FS="\t") ## ## _mainでは、RSに基づいたNR、FSに基づいたNFを参照できる。 ## ##※ちなみにExcelテキストのセル内改行はCRLFではなくLFだ。 ##頭がいいエディタで開くと、勝手にCRLFに変換されるぞ。 ##そーなったら、このテンプレートは使えない。 ##------ここから下は変更すな。 BEGIN{ RS="\x00" TSVSNGLout="" } { while (match($0,/\"([^\"\x0d]|[\"][\"])*\"/)){ TSVSNGLout = TSVSNGLout substr($0,1,RSTART-1); TSVSNGLs=substr($0,RSTART,RLENGTH); $0=substr($0,RSTART+RLENGTH); gsub(/\x0a/,"↓",TSVSNGLs); TSVSNGLout = TSVSNGLout TSVSNGLs; } TSVSNGLout = TSVSNGLout $0; do { $0 = TSVSNGLout; TSVSNGLout = gensub(/(.*)\"(([^\"]|[\"][\"])*)\"(.*)/,"\\1\\2\\4","g",TSVSNGLout); } while($0 != TSVSNGLout); RS="\n"; FS="\t"; _BEGIN() TSVSNGLn = split(TSVSNGLout,TSVSNGLar,RS); TSVSNGLout=""; for (NR=1;NR <= TSVSNGLn;NR++){ $0 = TSVSNGLar[NR]; TSVSNGLar[NR]=""; _main(); } _END() } END{ }

ちなみに、「１行化して見栄えを良くする」事を考えず、ExcelTextに対して単に行処理をやりたいだけなら、これで十分だが。

tsvxxx.awk

BEGIN{ FS="\t" RS="\x0d\x0a" BINMODE=3 } { print NF "###" $0 }