解析多行固定格式文本文件

Question

我试图在固定格式的文本文件中解析一些数据,其中每个"记录"分布在多行上,如此......

 MAILBOX: 10013      Created: 01/20/09  4:39 pm
    MSGS: 0         UNPLAYED: 0           URGENT: 0          RECEIPT: 0
  LCOS: RBC Standard    : 20            FCOS: RBC Standard      : 20 
  GCOS: Default GCOS 1  : 1             NCOS: Default           : 1 
  TCOS: Default TCOS 1  : 1             RCOS:                   : 1 
BAD LOGS: 0         LAST LOG: NEVER                             MINS:      0.0
  PASSWD: Y            TUTOR: N              DAY: M            NIGHT: M       
    NAME:                                   CODE: 
   EXTEN: 10013                            INDEX: 0
ATTEN DN:                                  INDEX: 0         
DISTRIBUTION LISTS WITH CHANGE RIGHTS:
    all
DISTRIBUTION LISTS WITH REVIEW RIGHTS:
    all

我之前使用过File Helpers来获取单行记录,这非常有用.检查它的文档,它确实有一个MultiRecordEngine功能,但这意味着......

• 每一行的一个类...... 不是问题
• 计算每个固定格式字段的确切大小...... 痛苦且容易出错
• 检查每一行的逻辑

我发现的另一个问题是固定格式实际上并不固定,即根据目标记录有不同的格式行,因此有些行有21行,有些是22,23,24等.

我找到了一个Java平面文件解析库,FFP,但我是一个.NET,C#,PowerShell编码器

有没有更好的方法来处理这种解析？

Answer 1

你需要的是一个词法分析器。您的记录太大，无法使用单个正则表达式进行解析，因此您必须为每一行编写一个正则表达式，并使用一个状态机来验证各行是否按正确的顺序排列。

或者您可以使用通用词法分析器/解析器为您生成代码。维基百科有很长的列表。Gold解析器看起来是一个不错的候选者。

我不会尝试在 PowerShell 中进行词法分析/解析。我宁愿将代码编写为 C# 或 F# 并使用 PowerShell 中的程序集。

编辑：我刚刚查看了 FileHelpers 库。您可以使用与源记录中的每一行匹配的 .NET 类型创建多记录引擎。然后您所要做的就是解析结果数组以获得有效的顺序并创建对象。