Perl正则表达式帮助（解析列）

Question

我被困在这里。 不知道为什么我的reg ex无法使用。 我有一个由管道分隔的带有一系列列的文本文件。 我需要提取第三列。

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'

输出量

-0.1619023623
-0.0064786612
-0.0084998226

显然，输出的列不正确。

有什么想法吗？

Answer 1

通常，更容易/更简单（KISS）不要将正则表达式用于具有结构化分隔符的文件格式。 只需在“ |”上分割字符串 定界符并获得第三个字段。

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

使用Ruby（1.9+）

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

使用Perl，其类似于上面的Ruby单一代码。

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

Answer 2

.*默认情况下，比赛将尽可能多的，因为它可以，所以你的RE被挑选出最后三列（和之前的一切），而不是前三个（一切后）。 您可以（至少）通过两种方式避免这种情况：（1）代替.* ，寻找[^|]* ，或（2）使您的重复运算符不贪心： .*? 代替.* 。

（或者，您可以显式地拆分字符串，而不是将整个内容与单个RE进行匹配。您可能想尝试两种方法，如果有关系的话，看看哪种方法效果更好。拆分可能会给出更长但更清晰的代码。）

Answer 3

如何使用真正的解析器而不是一起破解正则表达式？ Text::CSV应该可以完成这项工作。

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

Answer 4

您需要使模式变得贪婪-因此：

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

Answer 5

首先想到的是Text :: CSV（由Matt B提到），但是如果数据看起来像示例，我会说split是正确的选择。

未经测试：

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

如果您真的想使用正则表达式，则可以使用以下命令：

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

Answer 6

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

也许这会起作用(?<=\\|)积极寻找| 字符后跟8位数字