我已经找了一整天了,这是我找到的最接近的有用参考。
我的问题:大文件是从封闭系统导入的(无法在源头更改),需要导入。这些文件是 |分开并在每行末尾有一个 CRLF(直到最后一个)。现在他们发现在文本中包含带有CR和CRLF的文本的新类型很有趣(<br>
)。
因此,在我可以在我们的系统中处理此文件之前,我需要做的是替换所有前面没有 | to <br>
,以便每一行都以 000|...600|
我在记事本++中最接近的:查找: (?<![|])[rn]+$
替换:<br>
优点是它不会为每个crlf提供<br>
,错过了一个又一个crlf...其他选择 |crlf 的尝试也完全忘记了 CR。
任何想法都非常感谢。请记住,该文件可能超过500MB(使事情变得有点复杂)
文件摘录:
000|709076|153943|11||1|CRLF
300|709076|153943|11|4|20000729||Majo509|CRLF
500|709076|153943|11|6|3-3BNME|20000729|||21.13|4||20120509|CRLF
600|709076|153943|11||SBV|7103||||20120509|CRLF
600|709076|153943|11||SBV|7105||||20120509|CRLF
600|709076|153943|11||SBV|7607||||20120509|CRLF
600|709076|153943|11||MC||EVALUATIEROOSTER NIET INGEVULD :CR
CRLF
------------------------------CR
CRLF
CRLF
Gezien U het evaluatierooster niet heeft ingevuld, blijft CR
CRLF
CRLF
|||20120509|CRLF
600|709076|153943|11||SBV|7517||||20120509|CRLF
000|709209|154072|9||1|Dne|LA1349|3100||L|20120509|CRLF
300|709209|154072|9|3|20HEM-AT20120509|CRLF
500|709209|154072|9|6|3-3BNME|20000908|||15.4|3||20120509|CRLF
600|709209|154072|9||SBV|7103||||20120509|CRLF
600|709209|154072|9||MC||AFSCHAFFING VAN DE EVOOR HET CR
CRLF
(DE) GEBOUW(EN) CR
CRLF
CR
CRLF
indien U huurder of gebruiker bent.|||20120509|CRLF
600|709209|154072|9||MC||DIEFSTAL CRLF
。
所需结果:(粗略复制粘贴作业;))
000|709076|153943|11||1|CRLF
300|709076|153943|11|4|20000729||Majo509|CRLF
500|709076|153943|11|6|3-3BNME|20000729|||21.13|4||20120509|CRLF
600|709076|153943|11||SBV|7103||||20120509|CRLF
600|709076|153943|11||SBV|7105||||20120509|CRLF
600|709076|153943|11||SBV|7607||||20120509|CRLF
600|709076|153943|11||MC||EVALUATIEROOSTER NIET INGEVULD :<BR><BR>---------------------<BR><BR><BR>Gezien U het evaluatierooster niet heeft ingevuld, blijft <BR><BR>||20120509|CRLF
600|709076|153943|11||SBV|7517||||20120509|CRLF
000|709209|154072|9||1|Dne|LA1349|3100||L|20120509|CRLF
300|709209|154072|9|3|20HEM-AT20120509|CRLF
500|709209|154072|9|6|3-3BNME|20000908|||15.4|3||20120509|CRLF
600|709209|154072|9||SBV|7103||||20120509|CRLF
600|709209|154072|9||MC||AFSCHAFFING VAN DE EVOOR HET <BR><BR>(DE) GEBOUW(EN) <BR><BR><BR><BR>indien U huurder of gebruiker bent.|||20120509|CRLF
600|709209|154072|9||MC||DIEFSTAL CRLF
哇,这个让我分阶段了一段时间......
一次性完成是很棘手的。
N++ 约束可能使它比需要的更难,但我想,如果没有编写一些代码来做你想做的事情,这是一个不错的方法。
虽然我不确定它是否最佳,但我在这个组合上取得了成功。
找到:
([^|])\r([\r])*
取代:
$1<溴>溴>
您需要替换 1 美元,否则您从替换的行中丢失了一个字符 - 可能不是您想要的!
理想情况下,你应该研究一些Perl(我不是perl的倡导者,其他处理正则表达式的脚本语言是可用的......)或一些东西来做到这一点。
编辑:只是一个想法。这假设您的文件中不会有包含 |CRLF 或 |CR 或 |CRCR不是"真正的"行尾。
编辑:取消了我最后的建议 - 不起作用
正如BunjiquoBianco所建议的那样,我认为这不可能一蹴而就。
如果你能使用awk会好得多。如果您使用的是 Windows,请尝试 http://gnuwin32.sourceforge.net/packages/gawk.htm
如果 awk 是一个可行的选择,请重新提出问题,awk 坚果可能会建议从命令提示符使用单行来解析整个文件。
awk 也很快 - 会给你一个更快的转换,并且可以更容易地包含在其他脚本中,从而减少任何手动的 N++ 过程。