我每天都会获得数据，这些数据只是结构松散。我需要将其导入数据库，以便我可以运行一个报告来查找新记录并更改现有记录。
数据如下所示：
--------------------------------
blah:
foo
bar
lorum: ipsum
dolor: sit
foo: bar
bar: foo
123-555-1212
Lorum / Ipsum / Dolor / Sit
Foo / Bar
--------------------------------
正如您所看到的，有一些字段标题，如＆＃34; blah＆＃34;，＆＃34; lorum＆＃34;等等，但有些数据缺少标题，如电话号码或斜线分隔列表。有些标题在同一行，有些标题则没有。
为了让我们保持警惕，记录中没有相同数量的字段。
所以我认为解析需要至少有3种方法来解析数据，
如果＆＃34;标题：$＆＃34;然后抓住下一行，直到下一行＆＃34; *。：＆＃34;被读了 和 抓住＆＃34;标题：价值＆＃34; 和 如果行以数字开头，则假设标题为＆＃34; phone＆＃34; 和 如果line包含斜杠分隔列表，则假定标题为＆＃34; features＆＃34;直到＆＃34; --------...＆＃34;
但我不知道如何开始这样的编码。虽然我必须在MacOS中运行代码，但此时语言是开放的。
我认为perl可能对此有好处，但是perl foo非常差。
甚至不知道从哪里开始。
答案 0 :(得分：0)
你总是需要假设你的文字，否则你会练习NLP。
我们可以假设非键值部分到底是什么时候？是这样，以下正则表达式将帮助您：
# split the text into records:
@records = split /\n-----------------\n/, $text;
# this will find lines that have another key/value pair after it
qr/\A(\w+):(.*?)(?=\n\w+:)/ms
# then the last key/value, that probably must be one line:
qr/^(\w+):(.*)/
我建议每次成功匹配后，删除匹配的文本并继续。
其他有用的假设：电话号码只能在记录中出现一次（而不是其他键/值的一部分）。