Question

我有以下类型的文字文件

helllo
worlsadas
asdfdfsgf
eqweqqweq


asdsadsadsa
asdas
dsgfv
zczcxzfada


asdsadas
asd
safdfgdsg
asdsada

....

因此，在有用文本的每个部分之间有两个空行。我需要提取每个部分的文本部分，例如数组或哈希（现在它并不重要）。
最可接受的方法是什么？我有一些想法：

使用正则表达式提取一个条目^\n\n(.*\n){1,5}\n\n，但在那里这里的两个问题首先是文本文件没有两个新文件行，以及如何获取一个表达式中的所有条目或我必须在前面的正则表达式的帮助下读取8行而不是提取代码。
只需逐行读取文件，然后每8行做一些东西。
您的变体

请建议正确的方式来执行此操作，我是新手，所以也许有更方便的方法来做到这一点我将不胜感激任何帮助。

Answer 1

参考perldoc perlvar。在perl中指定字段分隔符将允许您这样做：

#!/usr/perl/bin
use strict;
use warnings;

{
    local $/ = "\n\n";
    my $count = 1;
    while (my $chunk = <DATA>) {
        print "Chunk:", $count++, "\n";
        #if you want to remove the delimiters
        $chunk =~ s/(^|\n)\n//g;
        print $chunk;
    }
}

__DATA__
helllo
worlsadas
asdfdfsgf
eqweqqweq


asdsadsadsa
asdas
dsgfv
zczcxzfada


asdsadas
asd
safdfgdsg
asdsada

这将打印：

Chunk:1
helllo
worlsadas
asdfdfsgf
eqweqqweq
Chunk:2
asdsadsadsa
asdas
dsgfv
zczcxzfada
Chunk:3
asdsadas
asd
safdfgdsg
asdsada

Answer 2

我需要提取每个部分的文本部分，例如数组或哈希（现在没关系）。

((?:(?!\n\n).)+)

试试这个。抓住each text的群组。参见演示。

https://regex101.com/r/iS6jF6/5

Answer 3

拆分是一个很好的选择，使用这样的东西需要2个或更多伪空白行。

\n(?:\s*\n){2,}

格式化：

 \n (?: \s* \n ){2,}

Answer 4

您可以使用这样的简单正则表达式拆分文本：

\s\s+

<强> Working demo

我不知道perl，但是你可以在PHP中使用这段代码：

<强> Online code

$input = "helllo
worlsadas
asdfdfsgf
eqweqqweq


asdsadsadsa
asdas
dsgfv
zczcxzfada


asdsadas
asd
safdfgdsg
asdsada"
print_r(preg_split('/\s\s+/', $input));

输出：

Array                                                                                                                                                                                                                              
(                                                                                                                                                                                                                                  
    [0] => helllo                                                                                                                                                                                                                  
worlsadas                                                                                                                                                                                                                          
asdfdfsgf                                                                                                                                                                                                                          
eqweqqweq                                                                                                                                                                                                                          
    [1] => asdsadsadsa                                                                                                                                                                                                             
asdas                                                                                                                                                                                                                              
dsgfv                                                                                                                                                                                                                              
zczcxzfada                                                                                                                                                                                                                         
    [2] => asdsadas                                                                                                                                                                                                                
asd                                                                                                                                                                                                                                
safdfgdsg                                                                                                                                                                                                                          
asdsada                                                                                                                                                                                                                            
)

我认为你可以在Perl中做同样的事情：

split(/\s\s+/, $input);

通过分隔符Perl从文件中提取部分文本

4 个答案: