gawk 4.0 で csv をもっとうまく扱う

awkでCSVを扱うために、gawk 4.0 で FPAT=([^,]+)|(\"[^"]+\") を指定します。
列の値が空文字列の場合 (,,, みたいにカンマが連続する場合)には列数を数え損ねるのですが、FPAT=(,?[^,]+)|(,?\"[^"]+\") と書いたらなんかうまくいきました。

2015-07-04 by [e-mail]

制限事項

• ダブルクォートの中に改行がある形式には対応していない。
• ダブルクォートをエスケープしたものには対応していない。
• 1列目以外は切り出し文字列の頭に,が入るので、もし加工するなら sub(",","",$N) してから加工して sub("^",",",$N) してやる必要がある。

どういう意味?

FPAT は gawk 4.0 以降でつかえる、フィールド切り出しルールを正規表現で指定できる変数です。

• [^,]+ カンマ以外からなる文字列
• \"[^"]+\" ダブルクォートで始まり、ダブルクォートを含まない文字列をへて、ダブルクォートで終わる

未確認なこと

アクションを指定しない場合に print を補うか、補わないかにばらつきがあるような気がする。
とりあえず、可搬性を高めるために、{next} か {print} を書いてます。