在Perl中逐行讀取文件時，缺少文本行。 <cr><lf> 不匹配

Question

我想從3G調制解調器中提取並記錄各種參數，因為存在間歇性的中斷。 因此，我正在使用wget從3G調制解調器讀取3Ginfo.html並將內容放入文件contents.txt 。 使用記事本++打開此文件將顯示所有數據。

由於我的聲譽，我無法發布圖片，因此下面的代碼是我能做的最好的事情； 從記事本++（打開“查看所有字符”）中，我得到：

<tr>[LF]

<td class='hd'>Signal Strength:</td>[LF]

<td>[LF]

-72[CR]

&nbsp(dBm)&nbsp(High)</td>[LF]

</tr>[LF]

但是，從Perl逐行讀取文件時，很明顯，行數少於Notepad ++報告的行數，並且數據丟失。 在這種情況下，實際的信號強度值將丟失。

這是讀取文件的Perl代碼：

open hLOGFILE, "<output.txt";
while (<hLOGFILE>) 
{ 
    print "Line no $.  Text is $_ ";
}

這是輸出（作為文本，因為我還不能發布圖片）：

Line no 98  Text is <tr>

Line no 99  Text is <td class='hd'>Signal Strength:</td>

Line no 100  Text is <td>

&nbsp(dBm)&nbsp(High)</td>

Line no 102  Text is </tr>

顯然，缺少行，並且與行終止符的<cr>結尾有關。 我曾嘗試對文件進行拖拽，但仍然缺少這些行。

除了逐字節讀取然后嘗試以這種方式解析文件（這不是很吸引人）之外，我找不到解決方案。

我的計划是每分鍾左右提取並記錄感興趣的行。

我嘗試打開指定各種編碼的文件，但仍然不滿意。 如果Notepad ++可以讀取和顯示所有數據，為什么它在Perl中不起作用。 從Windows XP命令行使用more ，它表明數據也丟失了。

當我從chrome瀏覽源代碼時，

<tr>
    <td class='hd'>Received Signal Code Power(RSCP):</td>
    <td align='center'> -78 dBm</td>
</tr>

Answer 1

-72[CR]行不丟失 。 您只是沒有看到它。

這是因為它不是一行，因為通常不會將回車符識別為換行符。 發生的事情是您正在將其作為一行閱讀：

-72[CR]&nbsp(dBm)&nbsp(High)</td>[LF]

並且正在發生的事情是您正在打印：

Line No. 101 is -72

然后，打印該回車符，使光標返回到行首。 然后，打印該行的其余部分。 這掩蓋了您打印出的內容，因此您看到：

&nbsp(High)</td>

因為這會覆蓋該行上的先前文本。

我使用VI創建具有三種不同文件格式（“ mac” =“ \\ r”，“ unix” =“ \\ n”和“ dos” =“ \\ r \\ n”）的三個不同文件，然后使用Unix cat命令將它們組合成單個混蛋文件。

這是我的程序：

use 5.12.0;
use autodie;

open my $test_fh, "<:crlf", "new_test";

local ($/);               #Enable "slurp" mode
my $file = <$test_fh>;    #Whole file is read in.

$file =~ s/[\r\n]+/\n/g;  #Make all line endings just \n

#
# Now "rewrite" the file
#
my @file = split /\n/, $file;
for my $line (@file) {
    say qq(Line: "$line");
}

打印輸出：

Line: "MAC FILE"
Line: "this"
Line: "is"
Line: "a"
Line: "test of my"
Line: "program"
Line: "this"
Line: "WINDOWS FILE"
Line: "is"
Line: "a"
Line: "test of my"
Line: "program"
Line: "UNIX FILE"
Line: "this"
Line: "is"
Line: "a"
Line: "test of my"
Line: "program"

如您所見，“ MAC文件”確實顯示了所有行，但“ Line: ”一詞並未顯示所有行。 那是因為Perl讀了一大行。 我的s/\\r+/\\n/g將其轉換為多行打印，但是while循環將其讀為一行。

看看我的open聲明。 我使用三個參數來解決Perl中的一些小問題。 不錯的是，您可以將圖層或編碼附加到文件。 例如， <:crlf自動將Windows文件從\\r\\n轉換為\\n ，但不會涉及Unix文件。 對於在Unix / Windows混合環境中工作的人來說，這是一個救生器。

我希望為舊的Mac樣式的文本文件找到一些類似的層（在Mac OS X之前的日子中，Macintosh文件僅以\\r結尾，根本沒有\\n 。這確實可以解決問題。不幸的是，我沒有找不到任何文檔，因為您擁有OS X Macintosh之前的文本文件已經很長時間了。

Answer 2

回車為\\r 。 它在perldoc perlreref中列出。 例如，可以從您的輸入循環中將其從輸入中刪除：

while (<hLOGFILE>) { 
    s/\r//g;
    print "Line no $.  Text is $_ ";
}

備擇方案

tr/\r//d;        # same thing as above, really
s/[\r\n]+$//;    # remove all line endings

Answer 3

你可以把它砍掉...

open hLOGFILE, "<output.txt";
while (<hLOGFILE>)
{
    chomp(); 
    print "Line no $.  Text is $_ \n" if( $_ );
}

在某些系統上，我看到需要兩次調用chomp（）來擺脫多個行尾字符的情況。 您可能還想添加一些東西來去除所有這些HTML標記？ 請參閱： 如何使用Perl去除字符串中的HTML？