文件：

A|B|C|D|E|F|G|H|I
2011-03-03 00:00:00.0|1|60510271|254735|27751|BBB|1|-0.1619023623|-0.009865904
2011-03-03 00:00:00.0|1|60510270|254735|27751|B|3|-0.0064786612|-0.0063739185
2011-03-03 00:00:00.0|1|60510269|254735|27751|B|3|-0.0084998226|-0.009244384

正则表达式：

$> head foo | perl -pi -e 's/^(.*)\|(.*)\|(.*)\|(.*)$/$3/g'

输出

-0.1619023623
-0.0064786612
-0.0084998226

显然没有输出正确的列。

想法？

Answer 1

通常，它更容易/更简单（KISS）不使用正则表达式来处理具有结构化分隔符的文件格式。只需将字符串拆分为“|”分隔符并获得第3个字段。

awk -F"|" '{print $3}' file

使用Ruby（1.9 +）

ruby -F"\|" -ane 'puts $F[2]' file

使用Perl，它类似于上面的Ruby one-liner。

perl -F"\|" -ane 'print $F[2]."\n"' file

Answer 2

默认情况下，

.*会尽可能多地匹配，因此您的RE正在挑选最后三列（以及之前的所有内容）而不是第一列三（以及之后的一切）。您可以（至少）以两种方式避免这种情况：（1）代替.*，寻找[^|]*，或（2）让您的重复运算符不贪婪：.*?而不是.*。

（或者您可以明确地拆分字符串，而不是将整个事物与单个RE匹配。您可能希望尝试这两种方法，看看哪种方法表现更好，如果重要。分裂可能会提供更长但更清晰的代码。）

Answer 3

如何使用真正的解析器而不是将正则表达式拼凑在一起？ Text::CSV应该完成这项工作。

my $csv = Text::CSV->new({sep_char => "|"});

Answer 4

你需要让你的模式贪婪 - 所以：

's/^(.*?)\|(.*?)\|(.*?)\|(.*)$/$3/g'

Answer 5

首先想到的是Text :: CSV（由Matt B提到），但如果数据看起来像我所说的那样split是正确的选择。

未测试：

$> head foo | perl -le 'while (<>) { print (split m{|})[2]; }'

如果你真的想要一个正则表达式，我会使用这样的东西：

s{^ [^\|]* \| [^\|]* \| ([^\|]*) \| .*$}{$1}gx;

Answer 6

(?<=\|)\d{8}

对于(?<=\|)字符后跟8位数字，这可能会|正面显示

Perl正则表达式帮助（解析列）

文件：

正则表达式：

输出

6 个答案: