用Perl解析这个噩梦是可能的吗？

Question

我正在处理一些文档文件，当复制并粘贴到文本文件中时，会给出以下示例“输出”：

ARTA215高级寿命图(3Cr) (2:2) +工作室1小时。这是绘画与生活的高级研究..。先决条件: ARTA150实验室收费要求ARTA220陶瓷II (3 Cr) (2:2) +工作室1小时。这门课程让学生有机会.实验费用要求ARTA250艺术专题本课程着重于选定的主题.ARTA260投资组合开发(3Cr) (3:0)本课程的目的是.BIOS010生物概念导论(3 is ) (2:2)本课程是一门预备课程，旨在使学生熟悉.BIOS101普通生物学(4 Cr) (3:3)本课程向学生介绍了生物原理。实验室费用要求BIOS102介绍人类生物学(4 Cr) (3:3)本课程是一个介绍.所需的实验费

我希望能够解析它，以便生成3个字段，并将值输出到一个.csv文件中。

线断了，间距等.是在这个文件的任何时候它会是怎样的。

我最好的猜测是，正则表达式先找到4个大写字母字符，然后是3个数字字符，然后找出接下来的2个字符是否大写。(这说明了课程#，但也排除了在第一项可能说“先决条件”的情况下绊倒的可能性)。在此之后，regex将找到第一个换行符，并在它之后获取所有内容，直到找到下一个课程#为止。这三个字段是一个课程编号、一个课程标题和一个课程描述。课程编号和标题总是在同一条线上，下面的描述就是一切。

示例最终结果将包含3个字段，我猜这些字段可以存储在3个数组中：

"ARTA215","ADVANCED LIFE DRAWING (3 Cr) (2:2)  + Studio 1 hr.","This advanced study in drawing with the life .... Prerequisite: ARTA150 Lab Fee Required"

就像我说的，这是一场噩梦，但我想让它自动化，而不是每次生成文件时都要清理某个人。

Answer 1

尝试：

my $course;
my @courses;
while ( my $line = <$input_handle> ) {
    if ( $line =~ /^([A-Z]{4}\d+)\s+([A-Z]{2}.*)/ ) {
        $course = [ "$1", "$2" ];
        push @courses, $course;
    }
    elsif ($course) {
        $course->[2] .= $line
    }
    else {
        # garbage before first course in file
        next
    }
}

这会产生一个数组，正如我所理解的那样。对我来说，有一个哈希数组，甚至哈希散列对我来说更有意义。

Answer 2

我有大致相同的想法，as Gbacon使用段落模式，因为这将整齐地将文件块为您记录。他打字更快，但我写了一本，下面是我的妙处：

#!/usr/bin/env perl
use strict;
use warnings;

local $/ = "";

my @items;
while (<>) {
  my( $course, $description ) = (split /\n/, $_)[0, 1];
  my( $course_id, $name ) = ($course =~ m/^(\w+)\s+(.*)$/);
  push @items, [ $course_id, $name, $description ];
}

for my $record (@items) {
  print "Course id: ", $record->[0], "\n";
  print "Name and credits: ", $record->[1], "\n";
  print "Description: ", $record->[2], "\n";
}

正如某事物在对格培根的回答所作的评论中指出的那样，段落模式在这里可能行不通。如果不是，算了吧。

Answer 3

正则表达式在这方面可能有些过分，因为模式看起来很简单：

[course]
[description]
{Prerequisites}
{Lab Fee Required}

其中课程是由

[course#] [course title] {# Cr} [etc/don't care]

而course#仅仅是前7个字符。

因此，您可以使用简单的状态机扫描文件，如下所示：

//NOTE: THIS IS PSEUDOCODE
s = 'parseCourse'
f = openFile(blah)
l = readLine(f)
while (l) {
    if (s=='parseCourse') {
        if (l.StartsWith('Prerequisite:')) {
            extractPrerequisite(l)
        }
        else if (l.StartsWith('Lab Fee Required')) {
            extractLabFeeRequired(l)
        }
        else {
            extractCourseInfo(l)
            s='parseDescription'
        }
    }
    else if (s=='parseDescription') {
        extractDescription(l)
        s='parseCourse'
    }
    l = readLine(f)
}
close(f)