Question

我有一个包含大约70,000条记录的文件，其结构大致如下：

01499     1000642   4520101000900000
...more numbers...
104000900169
+Fieldname1
-Content
+Fieldname2
-Content
-Content
-Content
+Fieldname3
-Content
-Content
+Fieldname4
-Content
+Fieldname5
-Content
-Content
-Content
-Content
-Content
-Content

01473     1000642   4520101000900000
...more numbers...

编辑1：每条记录都以一列数字开头，以空行结束。在此空白行之前，大多数记录都有一个+Fieldname5和一个或多个-Content行。

我想要做的是将所有多行条目合并为一行，同时将前导减号替换为空格，与最后一个字段相关的空格（即本例中的Fieldname5））。

它应该是这样的：

01499     1000642   4520101000900000
...more numbers...
104000900169
+Fieldname1
-Content
+Fieldname2
-Content Content Content
+Fieldname3
-Content Content
+Fieldname4
-Content
+Fieldname5
-Content
-Content
-Content
-Content
-Content
-Content

01473     1000642   4520101000900000
...more numbers...

我现在拥有的是（改编自this answer）：

use strict;
use warnings;

our $input = "export.txt";
our $output = "export2.txt";

open our $in, "<$input" or die "$!\n"; 
open our $out, ">$output" or die "$!\n"; 

my $this_line = "";
my $new = "";

while(<$in>) {
    my $last_line = $this_line;
    $this_line = $_;

    # if both $last_line and $this_line start with a "-" do the following:
    if ($last_line =~ /^-.+/ && $this_line =~ /^-.+/) {

        #remove \n from $last_line
        chomp $last_line;

        #remove leading "-" from $this_line
        $this_line =~ s/^-//;

        #join both lines and print them to the file
        $new = join(' ', $last_line,$this_line);
        print $out $new;
        } else {
        print $out $last_line;
            }
    }
close ($in);
close ($out);

但是有两个问题：

它正确打印出连接线，但仍打印出第二行，例如

+ Fieldname2 - 内容内容 -content

那么如何让脚本只输出连接线？

它一次只能在两行上运行，而一些多行条目最多可以有四十行。

编辑2：我的问题是如何执行以下操作：

逐行读入文件并将其写入输出文件
当多行部分显示为一次性阅读并处理时，将\n-替换为 ，除非它属于给定的字段名称（例如Fieldname5）
再次返回读取和写入每一行，直到出现另一个多行块

编辑3： 有效！我刚刚在开头添加了另一个条件：用严格; 使用警告;

our $input = "export.txt";
our $output = "export2.txt";

open our $in, "<$input" or die "Kann '$input' nicht finden: $!\n"; 
open our $out, ">$output" or die "Kann '$output' nicht erstellen: $!\n"; 


my $insideMultiline = 0;
my $multilineBuffer = "";
my $exception = 0;                  # variable indicating whether the current multiline-block is a "special" or not

LINE:
while (<$in>) {
    if (/^\+Fieldname5/) {          # if line starts with +Fieldname5, set $exception to "1"
        $exception = 1;
    } 
    elsif (/^\s/) {                 # if line starts with a space,  set $exception to "0"
        $exception = "0";
    }
    if ($exception == 0 && /^-/) {  # if $exception is "0" AND the line starts with "-", do the following
        chomp;
        if ($insideMultiline) {
            s/^-/ /;
            $multilineBuffer .= $_;
        }
        else {
            $insideMultiline = 1;
            $multilineBuffer = $_;
        }
        next LINE;
    }
    else {
        if ($insideMultiline) {
            print $out "$multilineBuffer\n";
            $insideMultiline = 0;
            $multilineBuffer = "";
        }
        print $out $_;
        }
}

close ($in);
close ($out);

Answer 1

假设只有以“ - ”开头的行是这些多行部分，你可以这样做......

# Open $in and $out as in your original code...

my $insideMultiline = 0;
my $multilineBuffer = "";

LINE:
while (<$in>) {
    if (/^-/) {
        chomp;
        if ($insideMultiline) {
            s/^-/ /;
            $multilineBuffer .= $_;
        }
        else {
            $insideMultiline = 1;
            $multilineBuffer = $_;
        }
        next LINE;
    }
    else {
        if ($insideMultiline) {
            print $out "$multilineBuffer\n";
            $insideMultiline = 0;
            $multilineBuffer = "";
        }
        print $out $_;
    }
}

关于嵌入式子问题（“除了与最后一个字段有关的那些”之外），我需要更多关于文件格式的细节才能做到这一点。看起来像一个空白行将字段和内容集彼此分开，但在描述中并不是100％清楚。但是，上面的代码应该处理您在底部列出的要求。

如何删除文件中的某些换行符

1 个答案: