0

我有一个文件：

 $ od -c testData.txt 
 0000000    6   7   7   7   1   0  \t   0  \t   1  \t   L   P   A   Y  \t
 0000020    F   6   3   5   P   3   B  \t   L   P   A   Y   0   0   0   0
 0000040    1  \t   F   R   M  \t   H   O   U   S   T   O   N       G   R
 0000060    O   U   P       (   a   k   a       C   O   R   P   O   R   A
 0000100    T   E       A   D   V   O   C   A   T   E   S       I   N   C
 0000120    .   )       T   H   E  \t  \t  \t  \t   S   a   c   r   a   m
 0000140    e   n   t   o  \t   C   A  \t   9   5   8   1   4   -   2   8
 0000160    2   5  \t   (   9   1   6   )       4   4   7   -   9   8   8
 0000200    4  \t  \t   6   4   9   9   .   9   8  \t   1   7   .   1   9
 0000220   \t   0  \t  \t   6   5   1   7   .   1   7  \t   3   9   3   0
 0000240    9   .   2   3  \t   N  \t  \t  \t  \r  \n                    
 0000253

我有一个脚本可以做一件事：

 #!/usr/bin/perl
 $line = <STDIN>;
 @p = split '\t', $line;
 chomp(@p);
 for ($idx = 0; $idx < scalar(@p); $idx++) { print $idx.": \"".$p[$idx]."\"\n"; }
 exit(0);

我在 Mac OS X 10.8.5 上并使用股票 perl（perl 5，版本 12，为 darwin-thread-multi-2level 构建的 subversion 4 (v5.12.4)）。

如果我不通过 col 传输数据，那么我会从行尾看到一个故障。如果我这样做了，那么 split() 函数将忽略一些选项卡。不是全部，只是少数。真的。恼人的。

 $ ./testSplit < testData.txt 
 0: "677710"
 1: "0"
 2: "1"
 3: "LPAY"
 4: "F635P3B"
 5: "LPAY00001"
 6: "FRM"
 7: "HOUSTON GROUP (aka CORPORATE ADVOCATES INC.) THE"
 8: ""
 9: ""
 10: ""
 11: "Sacramento"
 12: "CA"
 13: "95814-2825"
 14: "(916) 447-9884"
 15: ""
 16: "6499.98"
 17: "17.19"
 18: "0"
 19: ""
 20: "6517.17"
 21: "39309.23"
 22: "N"
 23: ""
 24: ""
 "5: "
 $

请参阅上面最后一行的轻微故障。

 $ col < testData.txt | ./testSplit 
 0: "677710"
 1: "0"
 2: "1"
 3: "LPAY"
 4: "F635P3B LPAY00001"
 5: "FRM"
 6: "HOUSTON GROUP (aka CORPORATE ADVOCATES INC.) THE"
 7: ""
 8: ""
 9: ""
 10: "Sacramento"
 11: "CA"
 12: "95814-2825"
 13: "(916) 447-9884"
 14: ""
 15: "6499.98 17.19"
 16: "0"
 17: ""
 18: "6517.17 39309.23"
 19: "N"
 $

有没有搞错！

4

1 回答 1

6

实际上，它col忽略了选项卡（它将其中一些转换为空格）：

$ diff -u <(od -c testData.txt) <(col <testData.txt | od -c)
--- /dev/fd/63  2013-11-10 00:06:29.532490383 -0600
+++ /dev/fd/62  2013-11-10 00:06:29.532490383 -0600
@@ -1,12 +1,12 @@
 0000000   6   7   7   7   1   0  \t   0  \t   1  \t   L   P   A   Y  \t
-0000020   F   6   3   5   P   3   B  \t   L   P   A   Y   0   0   0   0
+0000020   F   6   3   5   P   3   B       L   P   A   Y   0   0   0   0
 0000040   1  \t   F   R   M  \t   H   O   U   S   T   O   N       G   R
 0000060   O   U   P       (   a   k   a       C   O   R   P   O   R   A
 0000100   T   E       A   D   V   O   C   A   T   E   S       I   N   C
 0000120   .   )       T   H   E  \t  \t  \t  \t   S   a   c   r   a   m
 0000140   e   n   t   o  \t   C   A  \t   9   5   8   1   4   -   2   8
 0000160   2   5  \t   (   9   1   6   )       4   4   7   -   9   8   8
-0000200   4  \t  \t   6   4   9   9   .   9   8  \t   1   7   .   1   9
+0000200   4  \t  \t   6   4   9   9   .   9   8       1   7   .   1   9
-0000220  \t   0  \t  \t   6   5   1   7   .   1   7  \t   3   9   3   0
+0000220  \t   0  \t  \t   6   5   1   7   .   1   7       3   9   3   0
-0000240   9   .   2   3  \t   N  \t  \t  \t  \r  \n
+0000240   9   .   2   3  \t   N  \n
-0000253
+0000247

要解决您的实际问题，您需要删除该\r字符。 chomp不这样做。对于字段 25，您实际上是在做print qq{25: "\r"\n}. 将\r光标移回左边距，导致"覆盖2。

这是一个清理后的版本：

#!/usr/bin/perl
use strict;
use warnings;

binmode STDIN, ':crlf';

my $line = <STDIN>;
chomp($line);
my @p = split /\t/, $line, -1;
for my $idx (0 .. $#p) { print $idx.": \"".$p[$idx]."\"\n"; }
exit(0);

主要变化：

  1. binmode STDIN, ':crlf'阅读时打开 CRLF->LF 翻译。这摆脱了\r.
  2. 切线，而不是单个部分。这不是致命的，因为chomp只删除了行尾字符，但是@p在你真正想要的是chomp $line.
  3. 将 -1 添加到split. 这会将空字段保留在末尾。否则，输出将在字段 22 处停止。（过去会显示空字段，因为尾随\r意味着最后一个不是空的。）
  4. 无需更改for要使用的循环；0 .. $#p它更简单。
  5. 使用strictandwarnings总是一个好主意。这需要插入许多my语句。
于 2013-11-10T01:04:07.590 回答