select

Mit dem select-Kommando werden Werte eines unter mehrerer Unterfelder tabelliert. Dies ermöglicht weiterführende Datenanalysen in Excel, Python oder R.

Im folgenden Beispiel wird die PPN eines Datensatzes (Feld 003@.0) und die dazugehörige Satzart Feld (002@.0) in einer Tabelle im CSV-Format erzeugt:

$ pica select -s "003@.0, 002@.0" DUMP.dat.gz
118540238,Tpz
118607626,Tp1
040993396,Tu1
04099337X,Tu1
...

Ist ein Feld oder Unterfeld mehrfach vorhanden, werden pro Datensatz alle Zeilen mit diesen Werten kombiniert, indem das Kartesische Produkt gebildet wird. Dadurch ist es möglich für jede wiederholte Wertausprägung eine Zeile zu erzeugen. In Kombination mit einem nicht-wiederholten Feld (bspw. der PPN im Feld 003@.0 lassen sich Tabellen, im Sinne des Entity-Relationship-Modell, erzeugen. Im Folgenden wird eine Tabelle erstellt, die in der ersten Spalte die PPN und in der zweiten Spalte, die dazugehörigen Teilbestandskennzeichen aus dem Feld 008A.a enthält. Jede Kombination von einer PPN mit einem Teilbestandskennzeichen erzeugt eine neue Zeile:

$ pica select -s '003@.0, 004B.a' DUMP.dat.gz
118540238,s
118540238,a
118540238,f
118540238,z
118540238,h
118540238,l
118540238,d
...

Optionen

-s, --skip-invalid

Überspringt jene Zeilen aus der Eingabe, die nicht dekodiert werden konnten.

--squash

Wenn das Flag gesetzt ist, werden wiederholte Unterfelder als eine Zeichenkette zusammengefasst. Die einzelnen Werte werden durch einen Separator (siehe --separator) getrennt.

--merge

In jeder Spalte werden alle Zeilen zu einer Zeile zusammengefasst. Die einzelnen Werte werden durch einen Separator (siehe --separator) getrennt. Ist die Option gesetzt wird für jeden Datensatz maximal eine Zeile erzeugt.

--separator <value>

Festlegen des Separators, der für --squash und --merge genutzt wird. Standardmäßig wird der Separator | verwendet.

--no-empty-columns

Ist die Option gesetzt, werden nur Zeilen geschrieben, in denen jede Spalte einen nicht-leeren Wert enthält.

--unique, -u

Mehrfach vorkommende Zeilen werden ignorieren.

-i, --ignore-case

Groß- und Kleinschreibung wird bei Vergleichen ignoriert.

--strsim-threshold <value>

Festlegen des Schwellenwerts beim Ähnlichkeitsvergleich von Zeichenketten mittels =*.

-A <file>, --allow-list <file>

Es werden alle Datensätze ignoriert, die nicht explizit in der Positivliste[^1] auftauchen. Werden mehrere Positivlisten angegeben, wird die Mengenvereinigung aus allen Listen gebildet.

-D <file>, --deny-list <file>

Es werden alle Datensätze ignoriert, die in der Negativliste auftauchen. Werden mehrere Negativlisten angegeben, wird die Mengenvereinigung aus allen Listen gebildet.

--where <filter>

Angabe eines Filters, der auf die erzeugten Datensätze angewandt wird.

--and <expr>

Hinzufügen eines zusätzlichen Filters mittels der booleschen &&-Verknüpfung. Der ursprüngliche Filterausdruck <filter> wird zum Ausdruck <filter> && <expr>.

--or <expr>

Hinzufügen eines zusätzlichen Filters mittels der booleschen ||-Verknüpfung. Der ursprüngliche Filterausdruck <filter> wird zum Ausdruck <filter> || <expr>.

--not <expr>

Hinzufügen eines zusätzlichen Filters. Der ursprüngliche Filterausdruck <filter> wird zum Ausdruck <filter> && !(<expr>).

-H <header>, --header <header>

Kopfzeile, die den Ergebnissen vorangestellt wird; Spaltennamen werde mit einem Komma separiert.

-t, --tsv Ausgabe erfolgt im TSV-Format.

--translit <normalization>

Ausgabe wird in die angegebene Normalform transliteriert. Mögliche Werte: nfd, nfkd, nfc und nfkc.

-p, --progress

Anzeige des Fortschritts, der die Anzahl der eingelesenen gültigen sowie invaliden Datensätze anzeigt. Das Aktivieren der Option erfordert das Schreiben der Datensätze in eine Datei mittels -o bzw. --output.

--limit <n>

Limitiert die Aufbereitung auf die ersten <n> Datensätze.

--append

Ist die Option gesetzt, wird die Ausgabe an das Ende der Ausgabedatei geschrieben, anstatt diese zu überschreiben.

-o, --output

Angabe, in welche Datei die Ausgabe geschrieben werden soll. Standardmäßig wird die Ausgabe in die Standardausgabe stdout geschrieben.