最佳工具用于解析报告。

Question

我有一个报告需要解析/抓取，以便加载到备用或可查询的数据存储中。

报告看起来像是这样的: this。

我的直觉是PERL会做得很好，但我有几个不同的报告变体，我不想为每种形式编写脚本。

这份报告是一份相当普通的报告，我已经看到过Monarch Pro可以解析这些类型的报告，但我很难找到其他替代方案，因为我主要在Linux环境中工作。

有什么建议吗？

- Andy Schaefer

---

你最终决定采用哪种方案来满足你的需求了吗？ - Mario Tacke

Answer 1

Gawk会更好，因为它具有针对固定宽度字段的特殊支持。 (查找FIELDWIDTHS变量。)

过滤掉你将得到的垃圾也很容易编写简单的规则。

这是一个简单的脚本，只提供与您链接的报告中的“重要”行和变量映射：

BEGIN {
    FIELDWIDTHS="4 4 7 5 1 7 1 1 23 4 10 2 1 2 8 1 6 1 4 1 6 1 2 1 2 1 2 1 4 2 10 1"
}

function cvt_amt(a) {
    gsub(",", "", a);
    amt = a * 1;
    return amt;
}

function empty(s) {
    gsub(" ", "", s);
    return s == "";
}

/* skip garbage lines */
/----/ { next; }
/CASH RECEIPTS REPORT/ { next;}
/PERIOD ENTERED/ { next; }
/^  *$/ { next; }

($2 == "CUST") { next; }
($2 == "NO. ") { next; }
/CUSTOMER TOTALS/ { next; }
/GRAND TOTALS/ { next; }
/SUMMARY BY STATUS/ { nextfile; } /* end of stuff we care about */

/* Identify user */
(!empty($2)) {
    user_no = $2;
    user_name = substr($0, 10, 30);
}

{ 
    /* variable mapping */
    cust_no = $2;
    vchr_no = $4;
    inv_no = $6;
    inv_no_sign = $7;
    inv_desc = $9;
    recv_amt = cvt_amt($11);
    st = $13;
    recv_date = $15;
    check_no = $17;
    period = $19;
    batch = $21;
    bank = $23;
    cc = $25;
    dp = $27;
    acct = $29;
    amt_recv = cvt_amt($31);
    sign = $32;
    if (sign == "-") {
        amt_recv = amt_recv * -1;
    }

    print;
}

坦白地说，我认为这很简洁，但我是(g)awk的粉丝。

编辑--我添加了一些代码以提取用户编号和名称。用户号码是从固定字段中的第2个字段获取，但是用户名称必须使用substr()方法获取，因为它与许多详细字段重叠。

- Will Hartung

---

你可以通过使用交替符号将所有具有“next”操作的正则表达式组合起来：> /----|CUSTOMER TOTALS|GRAND TOTALS|PERIOD ENTERED|.../{next} - ghostdog74

当我运行你的脚本时，我得到了相关的行，但我想做的一件事是将帐号＃和名称在所有相关行上复制（1000 Bill's Supply Co和1200 Bills' Computer）...有什么建议吗？ - Andy Schaefer

Answer 2

你也可以使用Python。它的语法更加简洁，编程起来更容易。

- ghostdog74

Answer 3

Perl确实可以胜任。awk脚本可能更快，但语法可能不太清晰（尽管与perl相比，这可能是不公平的）。

- dnagirl