在Perl中使用双引号解析制表符分隔文件

Question

我有一个数据集,用双引号中的用户代理字符串分隔.我需要解析每个列,并根据我的其他帖子的答案,我使用Text :: CSV模块.

94410634  0   GET  "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; GTB6.6; .NET CLR 2.0.50727; .NET CLR 3.0.04506.648; .NET CLR 3.5.21022; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729; AskTB5.5)"   1

代码很简单.

#!/usr/bin/perl

use strict;
use warnings;
use Text::CSV;

my $csv = Text::CSV->new(sep_char => "\t");

    while (<>) {
        if ($csv->parse($_)) {
            my @columns = $csv->fields();
            print "@columns\n";
        } else {
            my $err = $csv->error_input;
            print "Failed to parse line: $err";
        }
    }

但是Failed to parse line:当我在这个数据集上尝试它时,我得到了错误.我究竟做错了什么？我需要提取包含用户代理字符串的第4列以供进一步处理.

Answer 1

1. 您的构造函数参数应该在hashref中,而不是hash:

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

2. 您确定数据集正是您认为的那样吗？可能是某个地方缺少双引号或者没有标签？

   要验证文件内容,您是在Unix/Linux还是Windows？在unix上,请运行:cat -vet my_log_file_name | head -3并检查输出是否有空格或"^ I"序列,您期望选项卡.cat -vet打印出所有特殊字符作为特殊可打印序列(TAB=> ^I,换行=> $等...)

以下测试在我的ActivePerl上完美运行:

#!/usr/bin/perl
use strict;
use warnings;
use Text::CSV;

my $s = qq[94410634\t0\tGET\t"Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; GTB6.6; .NET CLR 2.0.50727; .NET CLR 3.0.04506.648; .NET CLR 3.5.21022; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729; AskTB5.5)"\t1\n];;
my $csv = Text::CSV->new({sep_char => "\t"});

if ($csv->parse($s)) {
    my @columns = $csv->fields();
    print "c=$columns[3]\n";
} else {
    my $err = $csv->error_input;
    print "Failed to parse line: $err";
}

输出:

C:\> perl d:\scripts\test4.pl
c=Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; GTB6.6; ...