用没有分隔符的php解析文件

Question

我正在做一个项目，要求将一些财务文件解析到数据库中。 这些文件没有定界符，每个记录本质上都是一个巨大的字符串，它们为我提供了什么位置是什么字段的地图。

这是一条记录：

GCA0000000188T0544291021BW1079    021BW1079    JOE88TSUSD2015041420150414000000001053060070+000000001053060070+000000001053060070+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000000000000+000000000001053060+000000000001053060+000000000000263265+000000000000000000+021BW107904 042 000000000000000000+00000000000000000000000000000000000000000000PEPPERS AN034   04100003ALTERNATIVE FOCUS   BLUETREND L.P.      HOLDBACK                                                                           NUSD000000000010530600+0000000000+000000010000000000+000000000010530600+USD 

映射如下所示：

position 000-002 -> Field X

position 003-012 -> Field Y

position 013-023 -> Field Z

等等。

在这里提问：什么是最好的方法？ 我在php堆栈上。 我正在考虑为每个字段创建方法，传入整个字符串，然后返回值。 有没有可以帮助我的软件包？

Answer 1

斯堪的夫

内置函数sscanf()对于像这样的固定宽度字段非常有效-给定正确的格式，它将把它解析为一个数组。 该格式在sprintf()的文档中进行了描述（与之相对应），仅有一些区别 。

这很简单：

• %3s -3个字节长的字符串
• %10s -10字节长的字符串
• %11s -11字节长的字符串

范例1：

$fields = sscanf($record, '%3s%10s%11s');
var_dump($fields);

结果：

array(3) {
  [0]=>
  string(3) "GCA"
  [1]=>
  string(10) "0000000188"
  [2]=>
  string(11) "T0544291021"
}

---

相反，如果您希望例如：

• 将第二个字段视为带符号的十进制，并将其返回为整数
• 跳过以下T
• 将第三个字段也视为带符号的十进制，并将其返回为整数

您可以使用：

• %3s -3个字节长的字符串
• %10d -10个字符的宽符号十进制
• T文字“ T”（未返回）
• %10d -10个字符的宽符号十进制

范例2：

$fields = sscanf($record, '%3s%10dT%10d');
var_dump($fields);

结果：

array(3) {
  [0]=>
  string(3) "GCA"
  [1]=>
  int(188)
  [2]=>
  int(544291021)
}

---

打开包装

一种替代方法是使用unpack() ，其格式信息可以在其对应的pack()的文档中找到。

• A3Field X 3个字节作为字符串解包到“ Field X”中
• A10Field Y 10个字节作为字符串解包到“ Field Y”中
• A11Field Z 11个字节作为字符串解压缩到“ Field Z”中

范例3：

$fields = unpack('A3Field X/A10Field Y/A11Field Z', $record);
var_dump($fields);

结果：

array(3) {
  ["Field X"]=>
  string(3) "GCA"
  ["Field Y"]=>
  string(10) "0000000188"
  ["Field Z"]=>
  string(11) "T0544291021"
}

---

是否使用sscanf还是unpack取决于数据的性质以及您需要如何对待数据： sscanf很好地解释了字符串中的字符，而unpack很好地解释了组成字符串的字节（对于二进制数据更有用）。

例如，给定带解包的字符串"1" ，您可以获取其组成的字节的值（即ASCII值 ）：

$fields = unpack('c', "1");
var_dump($fields[1]); //int(49)

unpack功能强大但复杂，您可以在http://perldoc.perl.org/perlpacktut.html上找到更多信息

Answer 2

如果要使用哪些列，最简单的解决方案可能就是只使用substr 。

$string = /* the really long string */
$field_x = substr($string, 0, 3);
$field_y = substr($string, 3, 9);
/* etc */