如何在查找和替换中使用正则表达式

Question

我有一个CSV文件，它有近50k的记录。我想从此文件中删除不必要的记录。任何人都可以告诉我如何通过查找和替换Regex实现这一目标？

数据如下所示：

Item Code,,Qty
CMAC-389109,,6
,Serial No.,
,954zg5,
,ffnaw8,
,gh8731,
,gxj419,
,hc6y9q,
,y65vh8,
CMAC-394140,,1
,Serial No.,
,4cu3z7,

我希望将此数据转换为以下格式：

ItemCode,Serial Number,Qty
CMAC-389109,"954zg5, ffnaw8, gh8731, gxj419, hc6y9q, y65vh8",6
CMBM-394140,"4cu3z7",1

Answer 1

这是一个捕获两个组（Item Code和Shelf）的正则表达式：

^([^,]*?)(?:,(?:[^,]+)?){5},([^,]+),.*$

我不知道DW用来引用组的语法。但通常它是$n或\n，所以在您的情况下，您可以将$1, $2放入＆＃34;替换＆＃34;搜索/替换框的字段。或\1, \2。

---

如果您可以访问Linux环境（OS-X和Cygwin也可以使用），您可以使用命令行工具cut和grep来轻松完成此任务：

 cat <filename> | cut -d ',' -f 1,7 | grep -v "^,$" > <output_file>

我在cut上使用的参数是：

<强> -d     分隔符（字段分隔的字符）

<强> -f     字段（要包含在输出中的字段）。

...和grep：

<强> -v     反转模式：仅包含与正则表达式匹配的输出 中的行。

根据您的问题中的数据，上述命令将产生以下结果：

Item Code,Shelf
CMAC-386607,M5-2
CMAC-389109, F2-3

---

这也应该非常有效，因为cut适用于流，并且只根据需要将尽可能多的数据加载到内存中。因此，在执行任务之前，您不需要加载整个文件。它是一个大文件，这可能很方便。