Question

我有一个包含以下随机结构的文件：

USMS 1362224754632|<REQ MSISDN="00966590832186" CONTRACT="580" SUBSCRIPTION="AAA" FORMAT="ascii" TEXT="L2"

或

USMS 1362224754632|<REQ MSISDN="00966590832186" CONTRACT="580" SUBSCRIPTION="BBB" THRESHOLDID="1" FORMAT="ascii" TEXT="L2"

我试图用perl解析它以获取如下值：

1362224754632; 00966590832186; 580; AAA; L2

以下是代码：

if($Record =~ /USMS (.*?)|<REQ MSISDN="(.*?)" CONTRACT="(.*?)" SUBSCRIPTION="(.*?)" FORMAT="(.*?)" THRESHOLDID="(.*?)" TEXT="(.*?)"/)
{
                              print LOGFILE "$1;$2;$3;$4;$5;$6;$7\n";
}
elsif($Record =~ /USMS (.*?)|<REQ MSISDN="(.*?)" CONTRACT="(.*?)" SUBSCRIPTION="(.*?)" FORMAT="(.*?)" TEXT="(.*?)"/)
{
                              print LOGFILE "$1;$2;$3;$4;$5;$6\n";
}

但我总是这样：

;;;;;

任何帮助，谢谢。 Heithem

Answer 1

管道（|）是正则表达式中的特殊字符。逃避它，如：\|，它将起作用。

if($Record =~ /USMS (.*?)\|<REQ MSISDN="(.*?)" CONTRACT="(.*?)" SUBSCRIPTION="(.*?)" FORMAT="(.*?)" THRESHOLDID="(.*?)" TEXT="(.*?)"/)

和else分支相同。

Answer 2

不是使用单个正则表达式，而是先将数据拆分为单独的部分，然后单独处理它们。

my($usms_part, $request) = split / \s* \|<REQ \s* /x, $Record;

my($usms_id) = $usms_part =~ /^USMS (\d+)$/;

my %request;
while( $request =~ /(\w+)="(.*?)"/g ) {
    $request{$1} = $2;
}

您不必硬编码所有可能的键/值对及其可能的排序，而是可以在一段代码中一般地解析它们。

Answer 3

更改

(.*?)

到

([a-zA-Z0-9]*)

Answer 4

看起来你想要的只是双引号中包含的字段。

看起来像这样

use strict;
use warnings;

while (<DATA>) {
  my @values = /"([^"]+)"/g;
  print join(';', @values), "\n";
}

__DATA__
USMS 1362224754632|<REQ MSISDN="00966590832186" CONTRACT="580" SUBSCRIPTION="AAA" FORMAT="ascii" TEXT="L2"
USMS 1362224754632|<REQ MSISDN="00966590832186" CONTRACT="580" SUBSCRIPTION="BBB" THRESHOLDID="1" FORMAT="ascii" TEXT="L2"

<强>输出

00966590832186;580;AAA;ascii;L2
00966590832186;580;BBB;1;ascii;L2

Perl使用正则表达式解析文本文件

4 个答案: