使用 Perl 处理 CSV 输入文件中发现的零时出现问题

Question

朋友：

我必须使用 Perl 语言处理一个 CSV 文件，并使用 Excel::Writer::XSLX 模块生成一个 Excel 作为输出。这不是家庭作业，而是现实生活中的问题，我无法下载任何 Perl 版本（实际上，我需要使用 Perl 5.6）或任何 Perl 模块（我只有有限的一组）。我的操作系统是 UNIX。我还可以使用（嵌入 Perl）ksh 和 csh（有一些限制，正如我目前所发现的那样）。请限制您对我可用工具的回答。提前致谢！

虽然我不是 Perl 开发人员，而是来自其他语言，但我已经完成了我的工作。但是，客户要求在我遇到困难的地方进行额外处理。

1) 我发现路上的石头来自两个方面：来自 Perl 和来自 Excel 处理数据的特定风格。我已经找到了处理 Excel 的解决方法，但是 - 如主题中所述 - 我在处理 CSV 输入文件中的零时遇到了困难。为了处理 Excel，我使用了 '0 方式，这是 Excel 在使用 @ 格式样式时似乎具有的数据表示的最终方式。

2) 场景：

我需要捕获可能存在于 CSV 输入文件的任何行/列/单元格中的独立零，并将它们原样（作为零）放入 Excel 输出文件中。

我将直接进入我的问题，以免浪费您的宝贵时间。我在提问后提供了更多详细信息：

研究和提问：

• 我尝试使用 Perl 正则表达式查找独立的“0”并将它们替换为任何字符串，并计划在处理结束时将它们替换回“0”。

perl -p -i -e 's/\b0\b/string/g' myfile.csv`

和

perl -i -ple 's/\b0\b/string/g'  myfile.csv

正在工作；但只能从命令行。当我从 Perl 脚本中调用它们时，它们不起作用：

system("perl -i -ple 's/\b0\b/string/g' myfile.csv")

不知道为什么...我已经尝试过使用exec 和eval，而不是system，结果相同。

请注意，我有大量的正则表达式可以完美地使用相同的结构，例如：

system("perl -i -ple 's/input/output/g' myfile.csv")

我也尝试过使用反引号和qx//，但没有成功。请注意，qx// 和反引号的行为不同，因为 qx// 由于正斜杠而抱怨边界 \b。

我尝试过使用sed -i，但我的系统拒绝-i 作为无效标志（不知道这是否在所有UNIX 中发生，但至少在工作中发生。但是正在接受perl -i） .

我尝试过嵌入awk（从命令行工作），以这种方式：

system `awk -F ',' -v OFS=','  '$1 == \"0\" { $1 = "string" }1' myfile.csv > myfile_copy.csv

但这仅适用于第一列（在命令行中），除了具有额外副本文件的缺点之外，Perl 抱怨> 重定向，假设它“大于”...

system(q@awk 'BEGIN{FS=OFS=",";split("1 2 3 4 5",A," ") } { for(i in A)sub(0,"string",$A[i] ) }1' myfile.csv@);

这个awk 正在命令行中工作，但只有 5 列。但不能在 Perl 中使用 @。

exec 和eval 的所有组合也都经过了测试，没有成功。

我还尝试将awk 的每个组件作为参数传递给system，以逗号分隔，但没有找到任何有效的方法来传递重定向器（>），因为 Perl 拒绝它因为上面提到的原因。

使用另一种方法，我注意到“独立零”似乎被 Text::CSV 模块“吞噬”了，因此，我摆脱了它，并在 csv 中逐行返回传统循环，逗号分隔符，以这种方式保留零。但是我在 Perl 中发现了isdual 的“奥秘”，并且由于我拥有的模块的限制，我无法使用Dumper。然后，我还探索了 Perl 中二进制文件的内容并尝试了 $x ^ $x，它自 5.22 版以来已被弃用，但在该版本之前有效（我说我的是 5.6）。这对于捕获数字与字符串很有用。然而，虽然if( $x ^ $x ) 为字符串返回TRUE，但if( !( $x ^ $x ) ) 在$x = 0 时不返回TRUE。 [更新：我在一个专门的 Perl 脚本中尝试了这个，只是为了这个目的，它正在工作。我相信当我还没有意识到 Text::CSV 正在吞噬我的零时，我得到了可能的错误结论（“不返回 TRUE”）。正在做新的测试...]。

非常感谢您的帮助！

关于我的要求的更多详细信息：

1) 这是一份来自数据库的动态报告，该报告已移交给我，我以编程方式从文件夹中提取。动态意味着它可能有任何数量的表，每个表中的任何数量的列，作为列标题的任何名称，每个表中的任何数量的行。

2) 我不知道也无法知道列名，因为它们因报告而异。所以，我不能以列名为指导。

示例输入：

Alfa,Alfa1,Beta,Gamma,Delta,Delta1,Epsilon,Dseta,Heta,Zeta,Iota,Kappa
0,J5,alfa,0,111.33,124.45,0,0,456.85,234.56,798.43,330000.00
M1,0,X888,ZZ,222.44,111.33,12.24,45.67,0,234.56,0,975.33

3) 输入说明

a) 这是一个包含 12 列和 3 行的随机报告示例。第一行是表头。

b) 我称“独立零”为 CSV 文件中的那些“干净”零，从第二行开始，在逗号之间，例如 0,（如果情况是该行中的第一个位置）或类似,0, 在后续位置。

c) 在示例的第二行中，您可以从行的开头读取：0,J5,alfa,0，在这种特殊情况下，是“单词”或“字符串”。在这种情况下，有 4 个名称（注意其中两个是零，需要将其视为 字符串）。因此，我们有一个 4 个名称列示例（Alfa,Alfa1,Beta,Gamma 是这些列的标题，但仅在这种情况下）。从那时起，在第二行中，您可以看到浮点 (*.00) 数字，其中您可以看到 2 个零，它们是 数字。最后，在第三行中，您可以阅读M1,0,X888,Z，它们是前 4 列的名称。请注意，第二行第 4 列的名称为 0，而第三行的第 4 列的名称为 ZZ。

总结：作为一般图片，我有一个表格报告，从左到右分为两部分：4 列用于名称，8 列用于数字。 总是前 M 列是名称，最后 N 列是数字。 - 不知道哪个数字是 M：我将收到多少列专门用于单词/字符串的列。 - 不知道哪个数字是 N：我将收到多少列专门用于数字的列。 - 众所周知，在 M 列结束后，总是从 N 开始，这对于所有行都是恒定的。

Answer 1

我对正则表达式 (\b) 的 Perl 边界进行了快速研究，但我没有找到任何有关它是否适用于 Perl 5.6 的相关信息。

但是，由于您使用的是旧 Perl 版本，请尝试传统的 UNIX / Linux 样式（我的意思是 Perl 从 Shell 继承的），如下所示：

system("perl -i -ple 's/^0/string/g' myfile.csv");

如果匹配，前一个正则表达式应该在 CSV 文件中每一行的开头进行更改。

或者，也许更好（如果您有那些“独立”零，并且希望避免在某些“前导零”字符串中发生任何不必要的变化）：

system("perl -i -ple 's/^0,/string,/g' myfile.csv");

[请注意，我在零之后添加了逗号；当然，在字符串之后]。

请注意，第一个正则表达式应该可以工作；第二个只是一个“警告”，要谨慎。