PowerShell

Question

我有一个制表符分隔的数据集（删除了一些列但与此处无关）：

XYZ 12345671    18884   18912   222.00  222.00  Standard    2   CMD.1
ABC 12345672    18875   397.00  Standard    1   CMD.2
ABC 12345673    18889   18919   18950   146.66  146.66  146.68  Standard    3   CMD.2
XYZ 12345674    18840   18871   18901   193.00  193.00  192.00  Standard    3   CMD.1

不幸的是，在数据集中有两个多值字段（具有 1 个或多个子值）使用与其他所有列相同的分隔符。所有以18开头的5位数字都是一个字段，然后所有的十进制数都是第二个字段。子值的数量将始终在这些字段之间匹配（也就是说，如果第一个有 2 个值，第二个将有 2 个值）。 "Standard" 和 "CMD.X" 之间的 lonae 数本身就是每个字段中子值的数量。基本上，我要创建的是：

XYZ 12345671    18884;18912 222.00;222.00   Standard    2   CMD.1
ABC 12345672    18875   397.00  Standard    1   CMD.2
ABC 12345673    18889;18919;18950   146.66;146.66;146.68    Standard    3   CMD.2
XYZ 12345674    18840;18871;18901   193.00;193.00;192.00    Standard    3   CMD.1

由于文件大小，我尝试将其与 System.IO.File（多达 100,000k 条记录）一起使用：

$File = [System.IO.File]::ReadAllText('in_file.txt')
    ForEach($RecordSet In $File){
        $RecordSet = $RecordSet -CReplace '(?m)(/d/d/d/d/d)`t(/d/d/d/d/d)','(/d/d/d/d/d);(/d/d/d/d/d)'
        $RecordSet = $RecordSet -CReplace '(?m)([0-9]*\.[0-9]+|[0-9]+)`t([0-9]*\.[0-9]+|[0-9]+)','([0-9]*\.[0-9]+|[0-9]+);([0-9]*\.[0-9]+|[0-9]+)'

    Add-Content ('out_file.txt") $RecordSet
}

是的，我意识到 in_file.txt 是一种愚蠢的格式 -- 不幸的是它不可更改。

Answer 1

方法一

也许，

(?<=\s\d{5}\b)\s+(?=\b\d{5}\b)|(?<=\s\d{3}\.\d{2}\b)\s+(?=\b\d{3}\.\d{2}\b)

和 ; 的替代品可能可以研究一下。

Demo 1

方法二

或者您可能会捕捉到那些表达方式类似于

的人

(\d+)\s{3}(\d+)\s{3}(?:(\d+)\s{3})?(\d+\.\d+)\s{2}(\d+\.\d+)\s{2}(?:(\d+\.\d+)\s{2})?Standard

然后，替换为;;;;;;或;;;;。

如果您希望 simplify/modify/explore 表达式，regex101.com. If you'd like, you can also watch in this link 的右上面板已对其进行说明，它将如何匹配一些样本输入。

PowerShell - 用于更改多值字段中分隔符的正则表达式

PowerShell - regex for changing delimiter in multi-value field

regex

multivalue

方法一

Demo 1

方法二