Question

我正在尝试解析固定格式文本文件中的一些数据，其中每个“记录”分布在多行上，如此......

 MAILBOX: 10013      Created: 01/20/09  4:39 pm
    MSGS: 0         UNPLAYED: 0           URGENT: 0          RECEIPT: 0
  LCOS: RBC Standard    : 20            FCOS: RBC Standard      : 20 
  GCOS: Default GCOS 1  : 1             NCOS: Default           : 1 
  TCOS: Default TCOS 1  : 1             RCOS:                   : 1 
BAD LOGS: 0         LAST LOG: NEVER                             MINS:      0.0
  PASSWD: Y            TUTOR: N              DAY: M            NIGHT: M       
    NAME:                                   CODE: 
   EXTEN: 10013                            INDEX: 0
ATTEN DN:                                  INDEX: 0         
DISTRIBUTION LISTS WITH CHANGE RIGHTS:
    all
DISTRIBUTION LISTS WITH REVIEW RIGHTS:
    all

之前我曾使用File Helpers作为单行记录，这非常有用。检查它的文档，它确实有MultiRecordEngine功能，但这意味着......

每一行的课程...... 不是问题
计算每个固定格式字段的确切大小... 痛苦且容易出错
检查每一行的逻辑

我发现的另一个问题是固定格式实际上未修复，即根据目标记录有不同的格式行，因此有些行有21行，约22,23,24等。

我找到了一个Java平面文件解析库FFP，但我是一个.NET，C＃，PowerShell编码器

有没有更好的方法来处理这种解析？

Answer 1

你需要的是词法分析器。您的记录太大而无法使用单个正则表达式进行解析，因此您必须为每一行编写一个正则表达式，并使用状态机来验证这些行的顺序是否正确。

或者您可以使用通用词法分析器/解析器为您生成代码。维基百科很长list。 Gold解析器看起来很合适。

我不会尝试在PowerShell中进行lexing / parsing。我宁愿将代码编写为C＃或F＃，并使用PowerShell中的程序集。

编辑：我刚刚查看了FileHelpers库。您可以使用与您的源记录中的每一行匹配的.NET类型创建Multirecord Engine。然后，您只需解析结果数组以获得有效的顺序并创建对象。

Answer 2

我在powershell中做了类似的事情，发现在here-string中使用正则表达式更容易使用：

http://mjolinor.wordpress.com/2012/01/05/powershell-multiline-regex-matching/

解析多行固定格式文本文件

2 个答案: