如何扫描多个文本文件以获取信息并将其复制到制表符分隔的文件中答案

【问题标题】：How to scan multiple text files for information and copy it to a tab-separated file如何扫描多个文本文件以获取信息并将其复制到制表符分隔的文件中
【发布时间】：2014-10-20 00:41:03
【问题描述】：

Super n00by 在这里试图让一些代码工作。我基本上有一个项目，我正在解析 200 个中等大小的文本文件，并且需要将结果打印到另一个制表符分隔的文件中。我正在尝试提取 Phone、address 和 zip code，并将它们连同姓名一起打印在一行上他们来自的文件。

我已经成功地搜索了一个电话号码，但我不知道如何搜索其他两个字符串而不破坏我所做的工作。

我还有一个问题，文件名与其中的电话号码一起打印，但也与下一个文本文件中的电话号码一起打印。

这是我的代码：

use strict;
use warnings;

my $calls_dir = "Ask/";
opendir( my $search_dir, $calls_dir ) or die "$!\n";
my @files = grep /\.html$/i, readdir $search_dir;
closedir $search_dir;
print "Got ", scalar @files, " files\n";

my %seen = ();
foreach my $file (@files) {
    my $current_file = $calls_dir . $file;
    open my $FILE, '<', $current_file or die "$file: $!\n";

    while (<$FILE>) {
        #if (/phone/i) {
        chomp;

        #if (/phone\s*(.*)\r?$/i) {
        #if (/^phone\s*:\s*(.*)\r?$/i) {
        if (/Phone:\s*(.*)\r?$/i) {
            $seen{$1} = 1;

            foreach my $addr ( sort keys %seen ) {
                print "\n";
                print "\n";
                print $file;
                print "$addr\n";
                print "\n";
                print "\n";
            }
        }
    }
    close $FILE;
}

第 28 行和第 29 行是我现在打印的位置，但我真的想打印分隔到文件的制表符，就我得到的结果而言，这是一个问题示例：

out_Agilent_Technologies_ask.html+1 408-555-8886. Fax: +1 408-555-8474.
out_Illumina_ask.html+1 408-555-8886. Fax: +1 408-555-8474.
out_Illumina_ask.html408.555.5150

问题是第 2 行中的第一个号码与第二个公司名称一起打印。第 3 行打印文件名以及其中正确的电话号码。问题是因为在文件中搜索需要很长时间吗？没有把握。再次提前感谢您的帮助。

这是我正在解析的文件之一的示例：

文件：Ask/Illumina_ask.html AnswersQ&A Community Sign In Sign OutAdvanced SearchaskLogo * Everything * Images * News * Videos * Shopping * More * Maps * Less 探索答案关于 -------------- ------- * 电话号码属于 * 免费手机号码搜索 * 有电话号码需要姓名 * 将电话号码与一个人匹配 * 灰狗时刻表和票价 * 贾斯汀比伯 * 电话号码查找 * 免费未列出的电话号码搜索* 灰狗巴士电话号码 * 识别电话号码 * 手机号码簿 * 麦莉赛勒斯更多答案联系我们 |联系 Illumina 技术支持和其他关键部门 www.illumina.com/company/contact_us.ilmn 查找电子邮件和电话联系信息，供寻求技术支持或客户服务的客户、投资者、... 联系我们... 免费电话号码... 地点 | Illumina 商业办公地点 www.illumina.com/company/contact-us/locations.ilmn 1.608.258.3080 北美以外 1.608.258.3088 ... 1.408.861.3610 电话 ... Rm. 1103A，大厦。朝阳区曙光西里A5号凤凰广场H Illumina |用于基因研究的测序和基于阵列的解决方案 www.illumina.com/ Illumina 的测序和阵列技术推动了生命科学研究、转化和消费领域的进步…… 联系我们 · MyIllumina；工具。支持 - Illumina support.illumina.com/ 联系我们 · MyIllumina；工具。 - BaseSpace · - DesignStudio · - 分析设计 ... x 使用自定义协议选择器个性化您的 Illumina 用户指南 » ... 关于我们 - Illumina www.illumina.com/company/about-us.ilmn SNP 基因分型；拷贝数变异；基因组测序； DNA ......并在他们与我们的整个关系中提供支持，以最大限度地提高他们的科学成功。供应商 |当前和潜在 Illumina 供应商的常见问题解答 www.illumina.com/company/contact-us/suppliers.ilmn 银行信息：美国银行信用查询服务 ... 传真号码 415.343.9301。贸易信贷... 电话：408.245.5150 分机。 155. VWR 国际有限责任公司现在就加入我们，帮助改变现状——Illumina www.illumina.com/company/careers.ilmn 创造力帮助我们建立了公司，并继续推动我们的发展。我们有不懈的努力来制造可以改善人类健康的优质产品。我们已经... Illumina, Inc. - San Diego, CA - 生物技术| Facebook www.facebook.com/illuminainc ... 916 在这里。 Illumina 致力于通过解锁……电子邮件或电话、密码来促进人类健康。 Keep me .... Evan Eichler 博士于 10 月 9 日与我们一起讨论自闭症的新突变、基因和通路。在此处注册： ... 蝙蝠充当埃博拉病毒的宿主，并且没有表现出这种疾病的症状。在Illumina工作| Glassdoor www.glassdoor.com/Overview/Working-at-Illumina-EI_IE11671.11,19.htm ... 在 Illumina 工作。薪水、评论等 - 全部由 Illumina 的员工发布。 ... 关于我们;我们的价值;回馈；为什么选择Illumina？职业生涯。 Illumina测序技术| PerkinElmer www.perkinelmer.com/pages/020/genomic_analysis/illumina-sequencing-technology.xhtml 欢迎访客（登录/注册）；美国（更改） .... Illumina 是用于遗传分析的下一代测序技术的领先供应商... 探索更多答案关于 ------------------ -------- * 街道地址的电话号码 * 名人电话号码 * 查找手机号码的免费服务 * 免费反向手机目录 * 我有地址但需要电话号码 * 贾斯汀比伯的真实电话号码 *免费查询手机号码 * Chris Brown 12345678910Next » 热门问答 ------------ Q: Chape 的 Illumina (sp) 电影院的电话号码是什么... ------ -------------------------------------------------- --- 答：919-932-9000 了解更多» 的放映时间来源：www.chacha.com 问：美国有多少个有效电话号码？ -------------------------------------------------- --- A: 有 700M-800M 之间分配的地理电话号码。 .电信服务提供商是唯一知道他们有多少活跃号码的实体... 阅读更多 » 来源：www.quora.com 问：美国的电话号码是什么？ --------------------------------- A：美国的电话号码是 1，然后是区号状态，然后是后面的 7 位数字。阅读更多 » 来源：wiki.answers.com 问：如何在美国移动电话上阻止电话号码。 - - - - - - - - - - - - - - - - - - - - - - - - 一个： 1. 在手机键盘上拨“67”。 2. 拨打您要拨打的号码。 3. 按手机上的“发送”或绿色电话按钮。阅读更多 » 来源：www.ehow.com 问：美国支持 NFC 的手机的大致数量是多少？ -------------------------------------------------- -------- A：如果您想具体了解美国的nfc enable 手机，可以参考以下链接。希望对您有所帮助。 . http://www.nfcrumors.com/。 nfc-pho。阅读更多 » 来源：www.quora.com 移动网站 · 关于 · 隐私 · 条款 · 职业 · 询问博客 · 问答 · 移动 · 帮助 · ******************** ********************

我现在也有一个问题，我认为我只需要匹配电话：我现在需要匹配电话“或”+1“或“（”来返回一个数字，因为格式都不同。

所以我的这行代码： if (/电话:\s*(.*)\r?$/i) { $seen{$1} = 1;

需要一些东西来完成它，但我不知道该怎么做。

【问题讨论】：

你的输入文件格式是什么？
向我们提供示例输入文件，以便清楚。
请显示您输入文件的样本。此外，如果可能，请直接从您的数据源文件之一复制并粘贴它，而不是给出“类似这样”的答案。我知道个人详细信息可能很敏感，但是如果您将字母更改为不同的字母，将数字更改为不同的数字，只要我们能看到文件的基本布局，就可以了。没有它几乎不可能提供帮助。
在上面添加了示例文件。谢谢。

标签： perl tsv

【解决方案1】：

我会将您的 opendir 代码段替换为 glob。

例如

for my $filename ( glob("$calls_dir/*.html") ) {
    open( my $filehandle, "<", $filename ) or die $!;
    while (<$filehandle>) {
        # do stuff
    }
}

另外——你正在测试一个模式——看看模式是否匹配。然后 - 将其添加到哈希中。然后迭代哈希的每个键。为什么？这将是导致您的问题的原因 - 因为$seen 会累积您运行的每个文件的条目，因此foreach 循环会变长。您可以通过在 foreach 循环中声明 %seen 来避免这种情况。

否则 - 根据您的输入文件格式，您可能想要进行多个模式匹配 - 每个地址、电话号码等一个。然后将它们插入到哈希中，然后在循环外打印。

【讨论】：

好的，我听从您的建议并在循环中声明了 $seen，从而使打印功能正常工作。谢谢你。