Regex 在Perl中使用Text::CSV解析以制表符分隔的文件
我试图利用Regex 在Perl中使用Text::CSV解析以制表符分隔的文件,regex,perl,parsing,tab-delimited,tab-delimited-text,Regex,Perl,Parsing,Tab Delimited,Tab Delimited Text,我试图利用Text::CSVPerl模块来解析以制表符分隔的文件 我试图分析的文件是: #IGNORE COLUMN1 COLUMN2 COLUMN3 COLUMN4 ROW1 x y z a ROW2 b c d ROW3 w 请注意,该文件是以制表符分隔的。此文件可能有N列和N行。此外,在行2的情况下,它有第四个选项卡,但没有值第3行在第1列的w值之后没有选项卡。即,某些列可能有未定义的值或空白值 到目前为止,我已经开始编写一个Perl脚本,但很
Text::CSV
Perl模块来解析以制表符分隔的文件
我试图分析的文件是:
#IGNORE COLUMN1 COLUMN2 COLUMN3 COLUMN4
ROW1 x y z a
ROW2 b c d
ROW3 w
请注意,该文件是以制表符分隔的。此文件可能有N
列和N
行。此外,在行2
的情况下,它有第四个选项卡,但没有值<代码>第3行在第1列
的w
值之后没有选项卡。即,某些列可能有未定义的值或空白值
到目前为止,我已经开始编写一个Perl脚本,但很早就开始尝试找出如何编写代码来回答以下问题:
找出ROWn有多少个。然后针对每个列n
检查是否有ROWn
值。因此,在本例中,COLUMN2
、COLUMN3
和COLUMN4
将缺少值
任何提示和指导都会有所帮助(我是Perl新手)。我已经查看了CPAN Text::CSV页面,但还没有设法解决这个问题
#!/usr/bin/perl
use warnings;
use strict;
use v5.12;
use Text::CSV;
my $csv = Text::CSV->new ({
escape_char => '"',
sep_char => '\t',
eol => $\,
binary => 1,
blank_is_undef => 1,
empty_is_undef => 1,
});
open (my $file, "<", "tabfile.txt") or die "cannot open: $!";
while (my $row = $csv->getline ($file)) {
say @$row[0];
}
close($file);
#/usr/bin/perl
使用警告;
严格使用;
使用v5.12;
使用Text::CSV;
my$csv=文本::csv->新建({
转义字符=>“”,
sep_char=>'\t',
下线=>$\,
二进制=>1,
空白_为_未定义=>1,
空_是_unde=>1,
});
打开(我的$file,“一种方法,其中每行处理每个字段,并在不为false
时增加一个计数器:
#!/usr/bin/env perl
use warnings;
use strict;
use Text::CSV_XS;
my (@col_counter);
my ($line_counter, $r, $num_cols) = (0, 0, 0);
open my $fh, '<', shift or die;
my $csv = Text::CSV_XS->new({
sep_char => qq|\t|
});
while ( my $row = $csv->getline( $fh ) ) {
## First row (header), get the number of columns.
if ( $line_counter == 0 ) {
$num_cols = $#$row;
next;
}
## For each data row, traverse every column and increment a
## counter if it has any value.
for ( 1 .. $#$row ) {
++$col_counter[ $_ ] if $row->[ $_ ];
}
}
continue {
$line_counter++;
}
printf qq|Lines of file: %d\n|, $line_counter - 1;
## Check if any column has missing values. For each column compare the
## number of lines read (substract 1 of header) with its counter. If they
## are different it means that the column had any row without value.
for my $i ( 1 .. $num_cols ) {
$r = $line_counter - 1 - (defined $col_counter[ $i ] ? $col_counter[ $i ] : 0);
if ( $r > 0 ) {
printf qq|Column %d has %d missing values\n|, $i, $r;
}
}
这将产生:
Lines of file: 3
Column 2 has 1 missing values
Column 3 has 1 missing values
Column 4 has 2 missing values
更新:查看注释。我反向查找不包含任何值并将当前行号附加到数组中的列,然后使用join
提取所有行
我更改了哪些部分?这里保存行号
for ( 1 .. $num_cols ) {
push @{ $col_counter[ $_ ] }, $line_counter unless $row->[ $_ ];
}
在这里打印出来。你需要评论一下以前的行为
if ( defined $col_counter[ $i ] ) {
printf qq|Column %d has no value in lines %s\n|, $i, join q|,|, @{ $col_counter[ $i ] };
}
它产生:
Lines of file: 3
Column 2 has no value in lines 3
Column 3 has no value in lines 3
Column 4 has no value in lines 2,3
如果您可以同时拥有空白字段(一行中有多个制表符)和不存在的字段(行尾过早),您会将空白字段计算为与不存在字段相同的值吗?@TLP Yes。基本上,一行可能有多个制表符,其中值为“空白”(例如,在ROW2
,COLUMN4
中有一个“空”制表符值或行可能会过早结束,就像在ROW3
中那样,在COLUMN1
中的w
后面没有字符,请使用sep\u char=>“\t”
作为'\t'
使分隔符按字面意思是\t
而不是制表符。@user2402135那么您有什么问题?您不知道如何计算$row
的元素?您不知道如何比较空的和未定义的?@TLP从查看Text::CSV CPAN页面可以看出,我不能o访问每个行x列引用,以便能够比较空的和未定义的,或者能够计算行中的元素。如果我能够找到/访问组成制表符分隔表的“元素”,那么我可以轻松地继续:)当我的文件如下所示时,此代码似乎不起作用:#忽略COLUMN1 COLUMN2 COLUMN3 COLUMN4 row1 x x x row2。
不知道COLUMN4
@user2402135:在您的输入文件COLUMN4
中缺少两个值。我不理解您的示例。如果我更改上面的输入文件,请不要这样做hatCOLUMN4
没有任何行值,那么在打印缺少的值时会忽略整个列。我希望能够打印COLUMN4
有N
缺少的值,如果它有零值。目前,如果它根本没有值,代码只会忽略COLUMN4
。@user2402135:我已经修复了它从标题中提取列数。现在我似乎完全崩溃了。我甚至无法识别任何缺少的值。
Lines of file: 3
Column 2 has no value in lines 3
Column 3 has no value in lines 3
Column 4 has no value in lines 2,3