百万行CSV当数据库查：xsv正则搜索一条命令锁定目标行

【免费下载链接】xsvA fast CSV command line toolkit written in Rust.项目地址: https://gitcode.com/gh_mirrors/xs/xsv

客服排障时拿到一张 2GB 的订单 CSV，只想要某客户的 3 条记录。用 Excel 打开，先等死机一轮；写 Python 脚本解析，又得先回忆 csv 模块怎么写。xsv 把这条路走得更直：xsv search直接把文件当数据库查，对每行跑一遍正则，命中就吐出来，不命中就跳过。百万行文件全程流式读，内存占用几乎不随文件变大。

一条命令筛出目标行

先看 5 行产品数据，后文所有命令都基于这份products.csv：

id,name,category,price,stock 1,笔记本电脑,电子产品,4999,15 2,机械键盘,电子产品,399,42 3,无线鼠标,电子产品,129,88 4,商务背包,箱包,299,36 5,办公椅,家具,899,12

正则可以作用于任意一个字段，命中任意一格就算整行命中：

xsv search "电子" products.csv

输出：

id,name,category,price,stock 1,笔记本电脑,电子产品,4999,15 2,机械键盘,电子产品,399,42 3,无线鼠标,电子产品,129,88

三行电子产品全被捞出来，表头自动保留在结果里。参数不多，上手就这一条。

-s 锁定列的正确姿势

上面的"电子"其实全部命中的都是 category 列。但如果数据里 name 列偶尔也出现"电子"两个字（比如"电子秤"），全表搜就会混进噪音行。-s的作用就是告诉 xsv：只在这几列里跑正则，其他列一律不看。

xsv search -s category "电子" products.csv

对比一下：

# 全表 5 列都参与匹配 xsv search "电子" products.csv # 只看 category 一列，其余列不参与匹配 xsv search -s category "电子" products.csv

这条样本里两种写法结果一样，但逻辑差异在大数据上才显形：匹配范围从 5 列缩到 1 列，每行要跑的字段检查少 80%，列少了还能顺带躲开误命中。-s的列名语法（名称、1-based 序号、1-3范围、!取反）由 src/select.rs 统一解析，和xsv select通用。

正则、管道与组合参数

search接的是完整正则，不是普通字符串。几个参数各解决一个问题：

-i忽略大小写：用户搜的关键词全是大写，库里存的是小写，不加它就白搜。等价于给正则前面拼个(?i)：

xsv search -i "KEYBOARD" products.csv

-v反向匹配：平时筛"命中"，排障时经常要筛"不命中"。排除全部电子产品，一行搞定：

xsv search -v -s category "电子" products.csv

剩下两行是商务背包和办公椅。

正则特殊字符别裸奔：.在正则里匹配任意字符，真想匹配句点就写\.。同理* + ?也要转义，否则会按元字符语义去解释。

最后一个实用组合拳：搜出来只是第一步，往往还要挑列、排序。xsv 的命令之间靠标准管道串起来，search 负责筛行，select 负责挑列，sort 负责排序：

xsv search "电子" products.csv | xsv select name,price | xsv sort -N -s price

按价格排序的电子产品清单直接出来。注意-N是数值排序，不加的话 4999 会排在 129 前面——字典序嘛。

大文件搜索的踩坑记录

📌 下面几条都是"现象 → 原因 → 正确姿势"，按顺序看就行。

无表头文件少-n，首行静默丢失。现象：第一条数据不见了。原因：xsv 默认把首行当表头，既不参与搜索也不会写进结果。正确姿势：-n声明没有表头，列选择只能用 1-based 序号，不能用列名：

xsv search -n -s 2 "电子" products_no_header.csv

用-s 列名搜无表头文件，直接报错。原因同上，没有表头就没有列名可查。正确姿势：换成序号-s 2。列的解析与选择逻辑见 src/select.rs。

管道里数字列排序结果"不对"。现象：price 列出来是 129、299、399、4999、899。原因：sort 默认按字符串字典序比。正确姿势：加-N按数值比，xsv sort -N -s price。

结果列太多，下游脚本读着费劲。search 即使只命中-s指定的列，输出的也是整行（这是 src/cmd/search.rs 里的既定行为）。要瘦列就接一段xsv select，别在下游再做字符串切割。

处理 GB 级文件时还有两条提速经验：正则范围能收窄就收窄，比如只查某一类邮箱就-s email "@example\.com"，别让模式在整个宽表里乱撞；结果要落盘的话用内置的-o参数，语义明确，比 shell 重定向少一层意外：

xsv search -s price "1[0-9][0-9]$|5[0-9][0-9]$" products.csv -o midprice.csv

参数速查表收个尾：

不想背的话，xsv --help和xsv search --help里有全部说明；各命令的吞吐数据可以看仓库里的 BENCHMARKS.md，更多用法翻 README.md 即可。

如果搜出来的行还需要去重、统计或改格式，xsv 里还有 dedupe、stats、fmt 等命令可以接在管道后面，欢迎在评论区贴你的组合玩法。

【免费下载链接】xsvA fast CSV command line toolkit written in Rust.项目地址: https://gitcode.com/gh_mirrors/xs/xsv