Miller 全字段操作实战批量重命名、全局搜索替换与$*记录重排【免费下载链接】millerMiller is like awk, sed, cut, join, and sort for name-indexed data such as CSV, TSV, and tabular JSON项目地址: https://gitcode.com/gh_mirrors/mi/miller本指南聚焦 Miller 中一类高频且易混淆的需求不再针对单个字段名写死操作而是批量作用于当前记录的全部字段——包括把空格批量替换为下划线、清洗带换行符的字段名、对每个字段做搜索替换、以及用映射字面量一次性重命名并重排整个记录。你将掌握两条互补的技术路线rename动词带-g/-r选项的正则批量重命名以及基于 Miller 编程语言DSL的put脚本配合$*、$[k]、gsub与 out-of-stream 变量并理解各自的适用场景与底层实现。一切围绕$*Miller 的“全字段”视角Miller 处理的是 name-indexed 数据如 CSV、TSV、DKVP 等每条记录在 DSL 中是一个键值对集合。在put/filter的 DSL 语境下三个关键符号构成了全字段操作的基础$*当前整条记录本身作为一个 map映射参与表达式运算可整体读取、整体赋值$[k]以计算出的键k变量或表达式动态索引字段值这是“遍历所有字段”循环体的核心nameout-of-stream 变量跨记录持续存在常用于累加器等需要跨行状态的场景。因此“对全部字段做 X”在 Miller 中通常有两种实现一是命令行rename等动词直接提供批量语义二是用 DSL 的for (k in $*) { ... }循环显式遍历。下面依次展开。批量重命名字段rename -g -r假设列名中含有空格希望把列名里的空格替换为下划线。示例数据 docs/src/data/spaces.csv 内容如下column 1,column 2,column 3 apple,ball,cat dale egg,fish,gale最简单的做法是使用mlr rename配合-g与-r两个选项mlr --csv rename -g -r ,_ data/spaces.csv输出column_1,column_2,column_3 apple,ball,cat dale egg,fish,gale这里-r表示按正则模式匹配字段名而不是显式逐列指定 old,new 对-g表示在每个字段名内部做全局替换而非只替换首次出现。注意上例中替换模式是 ,_即“把空格换成下划线”。也可以换用 pprint 输出格式查看效果更直观mlr --csv --opprint rename -g -r ,_ data/spaces.csv输出column_1 column_2 column_3 apple ball cat dale egg fish gale-g与-r的语义与源码实现从源码 pkg/transformers/rename.go 可以看到这两个选项的精确定义-r把旧字段名当作正则表达式处理。例如ab、a.*b会分别匹配所有含子串ab或匹配a.*b的字段名也可用^ab$、^a.*b$形式的锚定新字段名可以是普通字符串也可以包含\1到\9的捕获组。若用双引号包裹正则并在其后跟i可表示大小写不敏感匹配如namei。-g在每个字段名内做全局替换等价于 Go 的ReplaceAllString而非首次匹配替换。源码中一个容易被忽略的细节是见 rename.goif doGsub { doRegexes true }即-g会隐式开启正则模式因为全局替换必然基于模式匹配实现。在实际执行时transformWithRegexes-g走regex.ReplaceAllString(oldName, replacement)对所有匹配处替换不带-g时则走lib.RegexCompiledSub只替换每个字段名中的首个匹配。rename动词的参数形式是逗号分隔的old1,new1,old2,new2,...对个数必须为偶数否则解析器会报names string must have even length见 rename.go。此外-r还支持捕获组重排例如官方用法中列出的mlr rename -r Date_([0-9]).*,\1 # 把 Date_20151015xxx 这类字段重命名为 20151015 mlr rename -r namei,Name # 把 name/Name/NAME 等统一改为 Name用 DSL for 循环实现同样的重命名rename动词虽然直接但只覆盖“改名”这一种变换。当你想在改名之外再叠加其他逻辑时可以用put脚本遍历$*。官方示例脚本 docs/src/data/bulk-rename-for-loop.mlr 如下map newrec {}; for (oldk, v in $*) { newrec[gsub(oldk, , _)] v; } $* newrec执行mlr --icsv --opprint put -f data/bulk-rename-for-loop.mlr data/spaces.csv输出与上一种方式完全一致column_1 column_2 column_3 apple ball cat dale egg fish gale这段脚本的核心思路是先声明一个空 mapnewrec遍历$*键为oldk、值为v用gsub(oldk, , _)生成新键再把原值放入newrec最后整体赋值$* newrec。对比rename动词这种写法把“字段名变换”完全交给了 DSL 的字符串函数后续可自由扩展例如同时修改值、过滤字段等。处理含换行符的字段名先清洗再赋值上一节的方案并不足以应付字段名本身包含换行符carriage return / line feed的情形——CSV 字段名被引号包裹且内部含\n时rename -r的正则对\n的处理比较棘手。此时应回到 Miller 编程语言用put完成“取记录 → 清洗键 → 重建记录”三步。示例数据 docs/src/data/header-lf.csv第一个列名是field\nA即引号内带换行field A,field B 1,2 3,3 6,6执行mlr --csv --from data/header-lf.csv put map inrec $*; $* {}; for (oldkey, value in inrec) { newkey clean_whitespace(gsub(oldkey, \n, )); $[newkey] value; } 输出field A,field B 1,2 3,3 6,6要点拆解map inrec $*;先把当前记录整体快照到一个局部 map避免在循环中边遍历边修改$*$* {};清空当前记录准备重建for (oldkey, value in inrec) { ... }遍历快照中的每一对键值newkey clean_whitespace(gsub(oldkey, \n, ));先用gsub把字段名里的换行符替换为空格再用clean_whitespace收敛空白trim 与折叠多余空白得到干净的新键名$[newkey] value;以计算出的新键写入当前记录这正是$[k]动态下标能力的典型用法。全字段搜索替换$[k]动态下标把$name gsub($name, old, new)推广到所有字段本质就是上节循环思想的复用——只不过这次变换作用在值上且不需要重建记录直接改写原键对应的值即可。示例数据 docs/src/data/sar.csva,b,c the quick,brown fox,jumped over,the,lazy dogs官方脚本 docs/src/data/sar.mlr 只有三行for (k in $*) { $[k] gsub($[k], e, X); }执行mlr --csv put -f data/sar.mlr data/sar.csv输出a,b,c thX quick,brown fox,jumpXd ovXr,thX,lazy dogs这里for (k in $*)遍历的是当前记录的键循环体内$[k] gsub($[k], e, X)同时用到动态读$[k]取值与动态写$[k]赋值。注意for (k in $*)与for (k, v in $*)的差异前者只遍历键适合此类“键已确定、只改值”的场景写法更简洁。整体重命名与重排$* 映射字面量借助 Miller 5.0.0 引入的 map 字面量语法与$*整体赋值你可以完全泛化rename、reorder等动词——不止改名、不止换序甚至可以同时重排、改名、删字段、增字段并让新字段依赖其他字段的值与跨记录的 out-of-stream 状态。示例数据 docs/src/data/smallDKVP 格式apan,bpan,i1,x0.346791,y0.726802 aeks,bpan,i2,x0.758679,y0.522151 awye,bwye,i3,x0.204603,y0.338318 aeks,bwye,i4,x0.381399,y0.134188 awye,bpan,i5,x0.573288,y0.863624执行mlr put begin { i_cumu 0; } i_cumu $i; $* { z: $x y, KEYFIELD: $a, i: i_cumu, b: $b, y: $x, x: $y, }; data/small输出z0.346791,KEYFIELDpan,i1,bpan,y0.346791,x0.726802 z0.758679,KEYFIELDeks,i3,bpan,y0.758679,x0.522151 z0.204603,KEYFIELDwye,i6,bwye,y0.204603,x0.338318 z0.381399,KEYFIELDeks,i10,bwye,y0.381399,x0.134188 z0.573288,KEYFIELDwye,i15,bpan,y0.573288,x0.863624这个示例同时演示了四类能力begin块初始化 out-of-stream 变量i_cumu 0在读取第一条记录前执行一次跨记录累计i_cumu $i把每条记录的i累加起来因此输出中i列是 1、3、6、10、15 的累计序列map 字面量整体重建记录$* { ... }定义了输出记录的字段及其顺序。与reorder动词见 reference-verbs.md 中reorder条目相比这里可自由决定新记录里出现哪些字段、以何种顺序出现、每个字段的取值表达式字段交叉引用新字段z取$x y注意y是未加$前缀的裸名——在 DSL 中put的表达式语境里它被视为当前记录的字段与$y等价而y与x字段做了交换y: $x, x: $y。由于$*赋值发生在i_cumu $i之后新的i字段拿到的是累计值而原i字段被彻底覆盖。这正是“全字段重命名与重排”最彻底的形态——旧记录被整体替换为一张新 map。小结与进一步阅读纯批量改名优先用mlr rename -g -r-g隐式开启正则模式并做全局替换支持捕获组\1~\9与regexi大小写不敏感写法实现见 pkg/transformers/rename.go其行为有对应的回归测试目录 test/cases/verb-rename-no-regex/ 与 test/cases/verb-rename-regex/ 可对照验证。改名之外还要加工用putfor (k in $*)或for (oldk, v in $*)循环配合gsub、clean_whitespace等字符串函数动态读写$[k]。整体重建记录用 map 字面量整体赋值$* { ... }可同时完成重命名、重排、增删字段与跨记录累计是rename/reorder动词的 DSL 泛化形态。三种技巧覆盖了字段名清洗、全字段值替换、记录级重组三大类场景是 Miller DSL 中复用率最高的模式DSL 的完整语法与内置函数可继续阅读 miller-programming-language.md、reference-verbs.md 与 reference-dsl-builtin-functions.md。【免费下载链接】millerMiller is like awk, sed, cut, join, and sort for name-indexed data such as CSV, TSV, and tabular JSON项目地址: https://gitcode.com/gh_mirrors/mi/miller创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考