Regex 使用Perl正则表达式解析以制表符分隔的文件

我试图弄清楚如何使用正则表达式，以便能够从选项卡分隔的文本文件中“提取”特定文本，并对下面的文件执行操作

我有一个以下格式的文件：

#HEADER_IGNORE        HEADING1     HEADING2      HEADINGN
Some Text Here        value        value2        value3
SOME_TEXTHERE         x                          z
Some More Text Here   A            B             

我希望能够提取第一个“列”。本质上，我希望获取第一个选项卡之前的所有文本，以便正则表达式能够提取：

Some Text Here
SOME_TEXTHERE
Some More Text Here

我尝试使用下面的正则表达式，但没有任何运气

/(\W\s)*\t$/

现在，我希望能够做的第二件事是判断是否有任何行x列引用缺少值。即，在上面的示例文件中，行id

SOME_text here

缺少

HEADING2

的值。可以有任意数量的行ID和列

---

提前谢谢

经典方法是

chomp

每行删除行终止符，然后

split/\t/

提取所有字段值的列表

chomp;
my @fields = split /\t/;
my $field1 = $fields[0];

但是，如果您确定只需要第一列，那么最简单的方法是在行首找到所有非制表符的字符

考虑到你的第二个要求，第一个是最好的。这取决于“缺少值”的含义，但只要所有制表符分隔符都存在，就可以通过写入来检查以确保行具有给定数量的字段

my $n = grep /\S/, @fields;
warn "Missing field" unless $n == 4;

或者，如果您想发现缺少哪个字段，那么

my @missing = map { $fields[$_-1] !~ /\S/ } 1 .. 4;
warn "Missing field $missing[0]" if @missing;

---

我非常喜欢哈希，所以我会使用哈希。
由于如果数组中的最后一个元素丢失，

拆分

无效，因此如果最后一个元素是

\t

，我们必须手动添加一个空字符串（这样丢失的列将成为空字符串）

例如，通过检查if

$rows{SOME_texthhere}[1]eq”“

#/usr/bin/perl
严格使用；
使用警告；
chomp（我的$first_line=）；
my$length=标量（拆分/\t/，$first\u行）；
我的%行；
而（）{
咀嚼；
my@row=split/\t/；
按@行“，”表示1..$length-标量@行；
#假设总是有一个行ID
my$id=shift@row；
$rows{$id}=[@row]；
}
foreach my$rowID（键%rows）{
对于（my$i=0；$i<@{$rows{$rowID}}；$i++）{
#列1是id
printf“在%s\n中缺少列#%d”，$i+1，$rowID
如果$rows{$rowID}[$i]eq”“；
}
}

您不按制表符拆分有什么原因吗？也许您应该使用

Text:：CSV

。我尝试过按制表符拆分，但我只是将整行拆分为一个数组。我开始沿着这条路走，然后它似乎变得复杂了，因为我不一定能够跟踪第一个“列”中的文本，因为可能有N列。@user2402135第一个字段将是第一个字段，无论您使用split还是regex，不管你有多少列或者缺少多少列，你到底为什么要为一个已经很好解决的问题编写代码呢？使用已经编写、测试和调试的现有代码。文本：：CSV模块将为您完成这一切。感谢您的评论。关于你答案的第一部分，请

my$field1=$fields[0]不只是在这里给我
一些文本
？对于第二个问题的解决方案，我不知道会有多少列。文件中可能有N列。“缺失值”指的是空白值。i、 e.没有任何文本。Thanks@user2402135：是的，对于数据文件的第二行，您将在此处获得一些文本

。如果制表符分隔符的数量总是正确的，那么您可以使用

/\S/

检查

@字段的每个值，如果有任何内容，则为true；如果字段包含任何非空格字符，则为false。如何调整代码以使，使用文本文件中的第一行，即
#HEADER#u IGNORE HEADING1 HEADING2 HEADINGN
，计算有3个“列”（IGNORE
#HEADER#u IGNORE
），然后使用这样一个事实，即因为我有3个“列”，所以文件中的每一行必须有3个值，这些值由制表符分隔。因此，如果我有一个有8个“列”的文件，它将以相同的方式工作，并迭代其余的行，对于每个rowID，8个“列”将有8个非空值。谢谢我修改了代码，以便它（可能）做您想要的事情，但在我看来，我觉得它太依赖于输入的正确性了。当然，这取决于您是否可以信任输入。
my @missing = map { $fields[$_-1] !~ /\S/ } 1 .. 4;
warn "Missing field $missing[0]" if @missing;

#!/usr/bin/perl

use strict;
use warnings;

chomp(my $first_line = <STDIN>);
my $length = scalar(split /\t/, $first_line);

my %rows;
while (<STDIN>) {
    chomp;
    my @row = split /\t/;
    push @row, "" for 1..$length - scalar @row;
    # Assuming there's ALWAYS a row ID
    my $id = shift @row;
    $rows{$id} = [@row];
}

foreach my $rowID (keys %rows) {
    for (my $i = 0; $i < @{$rows{$rowID}}; $i++) {
        # Column 1 being the id
        printf "missing column #%d in %s\n", $i + 1, $rowID
            if $rows{$rowID}[$i] eq "";
    }
}