我需要使用以下格式解析文件。
0000000 ...ISBN.. ..Author.. ..Title.. ..Edit.. ..Year.. ..Pub.. ..Comments.. NrtlExt Nrtl Next Navg NQoH UrtlExt Urtl Uext Uavg UQoH ABS NEB MBS FOL
ABE0001 0-679-73378-7 ABE WOMAN IN THE DUNES (INT'L ED) 1st 64 RANDOM 0.00 13.90 0.00 10.43 0 21.00 10.50 6.44 3.22 2 2.00 0.50 2.00 2.00 ABS
ID和ISBN不是问题，标题是。这些字段没有设置长度，并且没有可靠的分隔符 - 该空间可用于大部分文件。
另一个问题是评论字段中并不总是有条目。当存在时，内容中存在间隔。
所以我可以得到前两个，最后十四个。我需要一些帮助来弄清楚如何解析中间的六个字段。
此文件是由我无法更改的旧程序生成的。我正在使用php来解析这个文件。
答案 0 :(得分：1)
我也会问自己'这有多好'和'有多少记录'？
例如，如果你正在解析这个列表以建立一个在网站上出售的书籍目录 - 你可能希望尽可能好，但期望你会错过一些标题并建立反馈机制因此，您的用户可以帮助您解决问题（并使您可以轻松地以新格式修复）。
另一方面，如果你必须把它弄好，因为你会为每个错误的解析分配大量的钱，并且只有几千本书，你应该计划靠近，然后进行人工审查整个文件。
（在我的第一份工作中，我们花了六个星期的数据转换项目来转换150条记录 - 而不是很好地利用时间。）
答案 1 :(得分：1)
按ISBN（在某些在线数据库中）查找该书的标题和出版商，并仅解析其余内容：）
顺便说一句。你确定看起来像空间的东西实际上是一个空间吗？还有更多“不可见”的字符（如非中断空格）。我知道，这不是一个好主意，但显然这种格式的作者非常有创意......
答案 2 :(得分：0)
您需要手动分析数据并找出年份，版本和发布商的外观。例如，如果您发现年份总是两位数而且发布者总是来自某个有限的列表，那么您可以从这开始。
答案 3 :(得分：0)
虽然我没有看到任何其他的方法，但我猜它有点像这样：
我会缩减我所知道的可以解析的内容。离开ABE WOMAN IN THE DUNES (INT'L ED) 1st 64 RANDOM
从那里开始，我会尝试找到版本并在存储和删除版本后将该字符串拆分为两个，然后留下ABE WOMAN IN THE DUNES (INT'L ED)＆amp; 64 RANDOM，另一个选择是尝试一年，但当然，诸如1984年的标题可能会出现问题。 （猜测版当然是假设它是所有版本的第7，第51等）。
最后我假设我可以在第二个字符串的开头猜测年64并进一步限制发布者（/ Comment）部分。
其余的只是纯粹的猜测，除非你有一个作者/出版商的名单在某处可以匹配，因为我认为不仅有空格的评论，而且还有名字中有空格的出版商。但至少你应该在一个中包含2个字符串，在另一个中包含发布者（/ Comments）。
总而言之，它应该略微限制手动部分。
一旦完成，我也会在某个地方以更好的格式保存它，所以我不必再去解析它了;）
答案 4 :(得分：0)
我不知道pcre引擎是否允许选择内的多个组，因此：
（[A-Z0-1] {7}）\（\ d- \ d {3} - \ d {5} - \ d）\ （。+）\（\ d（？：st | nd | rd））\ \ d {2} \ （[^ \ d。] +）\（\ d +。\ d {2}）\（\ d +。\ d {2}）\ （\ d +。\ d {2}）\（\ d +。\ d {2}）\（\ d {1}）\ （\ d +。\ d {2}）\（\ d +。\ d {2}）\（\ d +。\ d {2}）\ （\ d +。\ d {2}）\（\ d）\（\ d +。\ d {2}）\ （\ d +。\ d {2}）\（\ d +。\ d {2}）\（\ d +。\ d {2}）\ （\ W {3}）
它确实看起来很丑陋，并没有解决你的作者标题问题，但它与其余的相匹配。 关于你的问题，我没有看到任何解决方案，但有一个查找表供作者或使用其他服务通过ISBN查找标题和作者。
如果与上面的例子不同，那么作者不仅仅用他们的名字代表。 同时仔细检查上述正则表达式可能发生的所有异常，因为标题可能包含1st或类似。