regex Powershell -将数据解析到新文件中-硬返回/换页问题

niknxzdl 于 2023-01-27 发布在 Shell

关注(0)|答案(1)|浏览(95)

我有一个包含以下信息的txt文件：
第1页
学生1数据
FF换页符（可能出现，也可能不出现）[INCLUDE in parsed file]
第2页
学生1数据
学生1数据

*成绩单结束

FF换页符（明确出现在此位置）[不包含在解析文件中]
第1页
学生2数据
学生2数据
FF换页符（可能出现，也可能不出现）[INCLUDE in parsed file]
第2页
学生2数据

*成绩单结束〈

FF换页符（明确出现在此位置）[不包含在解析文件中]
第1页
学生3数据
学生3数据
学生3数据
FF换页符（可能出现，也可能不出现）[INCLUDE in parsed file]

*成绩单结束

FF换页符（明确出现在此位置）[不包含在解析文件中]
我正在尝试解析出数据，这样我就可以得到三个单独的文件，并删除只出现在"记录结束"行之后的表单提要。
我最终得到三个文件：
包含"学生1数据"的日期_EDI_TRANSCRIPT_1.txt
包含"学生2数据"的日期_EDI_TRANSCRIPT_2.txt
包含"学生3数据"的日期_EDI_TRANSCRIPT_3.txt
但是，解压缩文件中的换页在每个文件的开头。我想从文件的开头和结尾删除它。
我得到这个：

我想得到这个：

我的代码是：

$data =  Get-Content "C:\EDICleanUp\1_ToBeProcessed\edi.txt" #Reading file
$Transcript = "_EDI_TRANSCRIPT_"
$Tdate = get-date -Format yyyy-MM-dd
$ProcessedFilePath = "C:\EDICleanUp\2_Processed"
$Complete = "C:\EDICleanUp\3_Original"
$ToBeProcessed = "C:\EDICleanUp\1_ToBeProcessed\edi.txt"

$fileIndex = 1; #To create file name

for ($itr = 0; $itr -le $data. Length; $itr++){    

    if($data[$itr] -eq "**********  END OF TRANSCRIPT  **********"){ 
       $fileIndex+=1;
continue;

}
if((Test-Path "$ProcessedFilePath$Tdate$Transcript$fileIndex.txt") -eq $false){
New-Item "$ProcessedFilePath$Tdate$Transcript$fileIndex.txt" -ItemType "File"
}
#Append text to the file
Add-Content "$ProcessedFilePath$Tdate$Transcript$fileIndex.txt" $data[$itr]
}
##Move original file to completed directory
Move-item $ToBeProcessed $Complete

我"认为"问题在于：

if($data[$itr] -eq "**********  END OF TRANSCRIPT  **********"){ 
    $fileIndex+=1;

我找不到合适的代码来查找硬返回/表单提要。
我尝试了以下变体：
'*******\s\s [脚本结束]********+\f'
但运气不好。
任何投入都将不胜感激。

regex

来源：https://stackoverflow.com/questions/75188031/powershell-parse-out-data-into-new-file-hard-return-form-feed-problem

1条答案

按热度按时间

hmae6n7t1#

我建议使用Get-Content-Raw一次读取整个文件，并使用基于regex的-split operator将文件拆分为感兴趣的块，而不是逐行处理。
一个简单的例子：

# Read the file into a single, multi-line string.
$data =  Get-Content -Raw C:\EDICleanUp\1_ToBeProcessed\edi.txt
$Tdate = Get-Date -Format yyyy-MM-dd
$nr = @{ Value = 0 } # output file sequence number

$data `
  -split ([regex]::Escape('********** END OF TRANSCRIPT **********') + '\r?\n\f') `
  -ne '' |
  Set-Content -NoNewline -LiteralPath { 
    '{0}_EDI_TRANSCRIPT_{1}.txt' -f $Tdate, ++$nr.Value 
  }

[regex]::Escape('********** END OF TRANSCRIPT **********') + '\r?\n\f'是用于拆分文件内容的正则表达式：
[regex]::Escape('********** END OF TRANSCRIPT **********')转义搜索字符串的文字部分，以便在正则表达式中使用（实际上，此\-转义*字符，它们是正则表达式元字符。
\r?\n匹配Windows格式的CRLF换行符（\r\n）或Unix的LF换行符（\n）
\f与FF字符匹配。
注：从示例数据中无法确定FF字符是以换行符开头，还是以换行符结尾，或者根本没有换行符-请根据需要调整上述内容。此外，假设每个END OF TRANSCRIPT示例都由相同的固定数量的*字符和空格包围。
- - 如果在FF字符之前 * 没有 * 换行符，或者您认为换行符总是CRLF序列或只是一个LF字符**，您可以使用包含转义序列的可扩展字符串常量（"..."）（参见下一节），并通过-split的SimpleMatch选项进行*常量 * 拆分;例如：

$data -split "********** END OF TRANSCRIPT **********`f", 0, 'SimpleMatch'

-ne ''从结果中过滤掉空行块（如果文件以分隔符结尾，-split会将其后的空字符串视为另一个元素）。
延迟绑定脚本块与Set-Content一起使用，以动态确定每个结果行块的输出文件名。
注意$nr（输出文件序列号）是如何定义为hashtable（@{ ... }）的，而不是直接定义为整数;这是必需的，因为delay-bind脚本块在调用者的 * child * 作用域中运行;参见this answer以获得解释。
-f运算符用于合成输出文件名。

至于你所尝试的：
我尝试了以下变体：'**********\s\s[END OF TRANSCRIPT]***********+\f'
只有. NET * regex引擎 *（由PowerShell的regex运算符在后台使用）才能理解\s和\f等结构
因此，要使用类似上面的操作，必须使用基于正则表达式的-match操作符，而不是-eq操作符。
然而，PowerShell * 确实 * 有用于某些ASCII范围控制字符的转义序列（但 * 没有 * 用于 * 抽象 *，如\s，以表示各种空白字符），这需要使用可扩展（双引号）字符串（"..."）和 * 反记号 *（```）转义序列，如"f"`用于FF;在现代PowerShell (Core) 7+ edition中，还可以使用转义序列表示任何Unicode字符-请参见about_Special_Characters概念帮助主题

赞(0）回复(0）举报 2023-01-27

我来回答

regex Powershell -将数据解析到新文件中-硬返回/换页问题

1条答案

相关问题

热门标签

最新问答