如何从 Ruby 中的文本文件创建 CSV

Question

我需要从文本文件创建一个 CSV 文件，其中包含有关我的通话的计费数据。我的文本文件的结构如下：

01.02.2016 10:35:49 8998775 New York 3:35 0,00 0,00

我使用以下方法创建 CSV：

require 'csv'
  @calls = File.new("modified_billing", "r")
  CSV.open("new.csv", 'wb', write_headers: true,
    headers: ["Date", "Time", "Phone number","City","Duration", "Cost", "Cost of call"]) do |csv|
    @calls.each do |call|
      csv << call.split(" ")
    end
  end

它适用于具有单数名称的城市，但显然不适用于“纽约”、“拉斯维加斯”等，因为它会从中创建两列。

Answer 1

我想你已经差不多了。这是一个没有正则表达式的简单方法：

string = '01.02.2016 10:35:49 8998775 New York 3:35 0,00 0,00'
data = string.split(' ')

data.shift(3)
# => ["01.02.2016", "10:35:49", "8998775"]

data.pop(3)
# => ["3:35", "0,00", "0,00"]

data.join(' ')
# => "New York"

# putting it together
first, third, second = data.shift(3), data.pop(3), [data.join(' ')]
csv << first + second + third

更紧凑的东西，虽然有点难读：

data = call.split(' ')
csv << [data.shift(3), data.pop(3)].insert(1, data.join(' ')).flatten

---

Answer 2

有很多方法可以解决这个问题。以下是我过去做过类似事情的方式：

str = '01.02.2016 10:35:49 8998775 New York 3:35 0,00 0,00'
/(\S+) (\S+) (\d+) (.+) (\S+) (\S+) (\S+)/.match(str).captures
# => ["01.02.2016", "10:35:49", "8998775", "New York", "3:35", "0,00", "0,00"]

str = '01.02.2016 10:35:49 8998775 Chicago 3:35 0,00 0,00'
/(\S+) (\S+) (\d+) (.+) (\S+) (\S+) (\S+)/.match(str).captures
# => ["01.02.2016", "10:35:49", "8998775", "Chicago", "3:35", "0,00", "0,00"]

由于您知道这些字段通常是用空格分隔的，因此您可以利用它们来发挥自己的优势。

如果您需要进一步验证字段：

str = '01.02.2016 10:35:49 8998775 New York 3:35 0,00 0,00'
/([\d.]+) ([\d:]+) (\d+) (\D+?) ([\d+:]+) ([\d,]+) ([\d,]+)/.match(str).captures
# => ["01.02.2016", "10:35:49", "8998775", "New York", "3:35", "0,00", "0,00"]

str = '01.02.2016 10:35:49 8998775 Chicago 3:35 0,00 0,00'
/([\d.]+) ([\d:]+) (\d+) (\D+?) ([\d+:]+) ([\d,]+) ([\d,]+)/.match(str).captures
# => ["01.02.2016", "10:35:49", "8998775", "Chicago", "3:35", "0,00", "0,00"]

有时我会使用更像模板的东西：

str = '01.02.2016 10:35:49 8998775 New York 3:35 0,00 0,00'
/((?:\d{2}\.){2}\d{4}) ((?:\d{2}:){2}\d{2}) (\d+) (\D+?) (\d+:\d+) ([\d,]+) ([\d,]+)/.match(str).captures
# => ["01.02.2016", "10:35:49", "8998775", "New York", "3:35", "0,00", "0,00"]

str = '01.02.2016 10:35:49 8998775 Chicago 3:35 0,00 0,00'
/((?:\d{2}\.){2}\d{4}) ((?:\d{2}:){2}\d{2}) (\d+) (\D+?) (\d+:\d+) ([\d,]+) ([\d,]+)/.match(str).captures
# => ["01.02.2016", "10:35:49", "8998775", "Chicago", "3:35", "0,00", "0,00"]

地点：

• \d{2} 表示“两位数”。
• (?:\d{2}\.) 表示“将两个数字和一个 . 视为一个组，但不要捕获（“记住”）它。
• (?:\d{2}\.){2} 的意思是“做两次”。
• ((?:\d{2}\.){2}\d{4}) 的意思是“记住所有这些加上接下来的四位数字”。

知道你可以解决模式的其余部分。

优势在于，一旦找出模式，就可以计算出它们重复了多少次。如果源文本稍后更改，则调整数字非常简单。这就是正则表达式的强大之处，当你有重复的模式时，它们会很棒。

话虽如此，我更喜欢不使用正则表达式，因为它们往往很脆弱，如果您不知道引擎如何解析，它们可能真的减慢您的代码。相反，我会使用Damien's 之类的东西，使用split 拆开字符串，然后使用shift 和pop 导致城市被留下。

Answer 3

这是一个与您的示例匹配的正则表达式。如果没有其他线路，很难判断它是否适用于每次通话。对于未与 Regexp 匹配的调用，您将收到“无法解析”警告。 如果有多个空格或制表符，可以将所有的 ' ' 替换为 '\s+'。

if call=~/(\d\d\.\d\d\.\d\d\d\d) (\d\d:\d\d:\d\d) (\d+) (.*?) (\d+:\d\d) (\d+,\d\d) (\d+,\d\d)/ then
  csv << Regexp.last_match.captures
else
  puts "Cannot parse : #{call}"
end