Question

我的数据格式如下所示来自外部程序，需要获取每行的前4个字段（文本，用户名，数字和时间戳）。请注意，Hello line1是一个字段，第二个是用户名。格式输出可以是单行，如下面的line1或三行，如line2或两行，如下面的line4。而且格式可以像下面那样混合（不是单行总是或双等）

Hello Line1 FirstName.LastName 10 3/23/2011 2:46 PM

Hello Line2

                         Line2FirstName-LastName       8       7/17/2015 1:15 PM 

Line2Testing - 12323232323 Hello There

Hello Line3 Line3FirstName.LastName 8 3/21/2011 2:46 PM

Hello Line4

                         Line4FirstName-LastName       8       9/17/2015 1:20 PM

Screen shot of above in a editor

我可以借助这个问题获得Multline RegEx：Perl multiline regex for first 3 individual items

感谢@GsusRecovery！

由于我正在逐行阅读，我不认为我可以通过阅读单线来利用多线RegEx。如果格式在一行中，是否可以只读取单行，如果在3行中展开，如果它在2行或3行中展开，则可以读取2行吗？

或者根据双线或三线格式读取每一条线和回溯线是否更好。

请建议。

Answer 1

最好使用单一方法而不是打开每条线，因为没有迹象表明单线/多线预先发生。因为你有（int）和（date）的固定格式，所以只需使用一个匹配如下内容的多行正则表达式模式:(伪正则表达式代码）

 \s+    (.*)   \s+  (.*)  (\d+) (\d+\/\d+\/\d+ \d+\:\d+ [AP]M)$
 space text  space  name  int   date

不要忘记使用/ m进行多行匹配。由于单/多线模式除了\ n和额外间距外几乎相同，因此可以在所有情况下使用相同的模式。

Answer 2

更新：我已将脚本更改为接受标准输入并将其作为数组放入@output_lines（以模拟@sureng的输入情况）

我将正则表达式包装在一个行累加器中，它将小时识别为结束模式。通过这种方式，您可以逐行解析输出，然后应用正则表达式。

#!/usr/bin/perl

use strict;
use warnings;

my ($accumulator,$chat,$username,$chars,$timestamp);

my @output_lines = <STDIN>;

foreach (@output_lines)
{
    $accumulator .= $_;

   ($chat,$username,$chars,$timestamp) = $accumulator =~ m/(?im)^\s*(.+)\s+(\w+[-,\.]\w+)\s+(\d+)\s+([0-1]?\d\/[0-3]?\d\/[1-2]\d{3}\s+[0-2]?\d:[0-5]?\d\s?[ap]m)\s*$/;
    $chat =~ s/\s+$// if $chat;  #remove trailing spaces

    if ( $accumulator =~ /(?i)([0-2]?\d:[0-5]?\d\s?[ap]m)/ ) {
        print "SECTION matched\n";
        print "-"x80,"\n";
        print "$accumulator";
        print "-"x80,"\n";
        print "chat -> ${chat}\n";
        print "username -> ${username}\n";
        print "chars -> ${chars}\n";
        print "timestamp -> ${timestamp}\n\n";
        $accumulator = '';  # reset the line accumulator
    }
}

在线尝试解决方案（将您的示例作为标准输入提供）here。

在你的shell中，给出上面的脚本和这个输入文件：

# MultiLineInput.txt
Hello Line1 FirstName.LastName 10 3/23/2011 2:46 PM

Hello Line2

                     Line2FirstName-LastName       8       7/17/2015 1:15 PM 
Line2Testing - 12323232323 Hello There

Hello Line3 Line3FirstName.LastName 8 3/21/2011 2:46 PM

Hello Line4

                     Line4FirstName-LastName       8       9/17/2015 1:20 PM

您只需致电：

cat MultiLineInput.txt | StreamRegex.pl

如果按预期工作，您可以用您的来源替换cat命令。

NB ：如果您处理流或者您的文件大于系统的易失性内存（因此您希望将其作为流处理），则需要此方法，但是，表示，无论如何都适用。

在Perl中匹配多行格式不正确的文本

2 个答案: