Perl正則表達式幫助（解析列）

Question

我被困在這里。 不知道為什么我的reg ex無法使用。 我有一個由管道分隔的帶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

正則表達式：

$> head foo | perl -pi -e 's/^(.*)\|(.*)\|(.*)\|(.*)$/$3/g'

輸出量

-0.1619023623
-0.0064786612
-0.0084998226

顯然，輸出的列不正確。

有什么想法嗎？

Answer 1

通常，更容易/更簡單（KISS）不要將正則表達式用於具有結構化分隔符的文件格式。 只需在“ |”上分割字符串 定界符並獲得第三個字段。

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

使用Ruby（1.9+）

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

使用Perl，其類似於上面的Ruby單一代碼。

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

Answer 2

.*默認情況下，比賽將盡可能多的，因為它可以，所以你的RE被挑選出最后三列（和之前的一切），而不是前三個（一切后）。 您可以（至少）通過兩種方式避免這種情況：（1）代替.* ，尋找[^|]* ，或（2）使您的重復運算符不貪心： .*? 代替.* 。

（或者，您可以顯式地拆分字符串，而不是將整個內容與單個RE進行匹配。您可能想嘗試兩種方法，如果有關系的話，看看哪種方法效果更好。拆分可能會給出更長但更清晰的代碼。）

Answer 3

如何使用真正的解析器而不是一起破解正則表達式？ Text::CSV應該可以完成這項工作。

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

Answer 4

您需要使模式變得貪婪-因此：

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

Answer 5

首先想到的是Text :: CSV（由Matt B提到），但是如果數據看起來像示例，我會說split是正確的選擇。

未經測試：

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

如果您真的想使用正則表達式，則可以使用以下命令：

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

Answer 6

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

也許這會起作用(?<=\\|)積極尋找| 字符后跟8位數字