列文本处理工具

如何处理文本和 CSV 文件中的列

在处理表格数据时——无论是 CSV 电子表格、从数据库导出的 TSV 文件，还是任何以竖线分隔的日志文件——通常需要只提取所需的列、删除不需要的列，或者在将数据传递给另一个工具之前重新排列它们的顺序。我们的 列文本处理工具 通过一个无需安装、基于浏览器的工具解决了所有这些问题。

什么是文本数据中的“列”？

在带分隔符的文本上下文中， 列 是在每一行中由一致字符（称为分隔符）分隔的数据单元。最常见的分隔符包括：

• 逗号 (,) — 用于 CSV（逗号分隔值）文件，是 Excel 和 Google 表格的默认导出格式。
• 制表符 (\t) — 用于 TSV（制表符分隔值）文件，在数据库导出和生物信息学流程中很常见。
• 竖线 (|) — 经常出现在 Unix 日志文件、SQL 转储文件和 Markdown 表格中。
• 分号 (;) — 许多欧洲地区的默认 CSV 分隔符（因为逗号被用作小数点）。

例如，像 张三,25,北京,工程师 这样的 CSV 行有四列： 姓名 、 年龄 、 城市 和 职位 。如果您只需要姓名和城市，您将提取第 1 列和第 3 列。

可用操作

该工具支持四种不同的操作，涵盖了最常见的列操作任务：

1. 提取选定列 — 仅保留指定的列并丢弃其余列。当您有一个庞大的数据集且仅需要其中的一部分字段进行进一步分析时非常有用。
2. 删除选定列 — 删除指定的列并保留其他所有内容。非常适合在共享数据之前删除 PII（个人身份信息）或无关的元数据。
3. 重新排序列 — 将列重新排列为任何自定义顺序。例如，将日期列从第 5 位移动到第 1 位，以匹配预期的导入格式。
4. 交换两列 — 通过指定它们的位置快速交换两列（例如，“1,3”将交换第一列和第三列）。

列选择语法

列通过其从 1 开始的索引进行引用（第一列是第 1 列，而不是 0）。该工具支持两种选择语法：

• 列表语法： 1,3,5 — 按该顺序选择第 1、3 和 5 列。
• 范围语法： 2-5 — 选择从第 2 列到第 5 列（含）的所有列。
• 组合语法： 1,3-5,7 — 您可以自由混合使用这两种样式。

实际应用场景

以下是列处理节省大量时间的一些现实场景：

• 数据清理： 导出的分析数据包含 20 列，但您的流程只需要 4 列。在上传之前使用“提取列”来精简文件。
• 隐私合规（GDPR / CCPA）： 在共享客户列表之前，删除电子邮件、电话和地址列（例如，“删除第 3,4,5 列”）。
• 格式标准化： 合作伙伴要求数据具有特定的列顺序。使用“重新排序列”来匹配他们的导入模式。
• 快速转换： 通过简单地更改输出分隔符，将制表符分隔的数据库转储转换为逗号分隔的文件。
• 日志调试： 具有 10 个以上字段的服务器日志——仅提取时间戳和错误消息列，以快速扫描问题。

获得最佳结果的技巧

• 如果您的数据有标题行，请将其包含在输入中——它将像处理其他行一样被处理，因此列名将在输出中保留。
• 对于包含带引号字段的 CSV 文件（例如 "New York, NY" ），简单的分隔符拆分可能无法正确处理嵌套的逗号。请考虑预处理带引号的字段或切换到 TSV 格式。
• 使用底部的列检测显示来验证工具在复制结果之前是否正确识别了您的列。
• 使用“重新排序列”时，您列出的列号顺序决定了输出顺序（例如， 3,1,2 将第 3 列排在第一位）。

常见问题解答