是否可以在不知道每列宽度或列名并将其转换为 CSV 的情况下解析固定宽度文件？
Is it possible to parse a fixed width file without knowing the width of each column or the column names and converting it to a CSV?
我想知道是否可以解析 任何 固定宽度文件而无需对其进行任何了解并将其制作成 CSV。我的直觉说不，因为可能会有一些边缘情况。如果您知道宽度，但不知道列名，那很好。如果您知道列名，那么您就可以计算出宽度，这样就可以了。但是，如果您两者都没有，我可以想象，如果您在真正开始解析之前阅读文件一次，那么如果您使用足够聪明的逻辑，您就可以做到这一点。 也许。但如果这也是一个约束（必须读取文件一次），那么你就不走运了，对吗？还假设这是流式传输，因为文件为 50GB，无法加载到内存中。所以，回顾一下我的目标和限制：
目标：成功转换没有相关信息的固定宽度文件，最明显的是列名和宽度长度
约束条件：
1.我希望文件很大，所以我必须流式处理而不是将其加载到内存中，读取两次效率非常低。
2. 我没有关于列名、宽度或任何其他信息 - 我只是收到一个固定宽度的文件。
考虑到这些限制，目标是否可能实现？我知道在简单的情况下，可以这样说：
Love Lucy Is Awesome
data datatat datad datadaa
好吧，随便吧。因为列名中没有任何 space，所以很容易。但是我真的想不通的是像这样的复杂情况：
The Swimming Pool Is Dirty
data data data data
data datada data data data
在查看文件之前，我永远无法知道 "Swimming Pool " 是一列还是 "Swimming " 和 "Pool " 是两列。如果我所有的行都表示四条记录，那么 "Swimming Pool " 是一列；五，然后他们是两列。
事实上，这只是一个假设；也许 "Pool " 总是空的。我的意思是，即使是这种情况：
Swimming Pool
datadatadatat
我对定宽文件的了解还不够多，但两条记录之间至少必须有一个 space 吗？这可以翻译为：
Swimming, Pool
datadatad,atat
所以，我的难题向你展开了。老实说，我什至不确定简单的案例是否真的简单。也许 Lucy Is . 是一列。第一次接触这种文件类型（甚至真的听说过）吧，希望专业人士给点意见。
否!!!
只能通过这种方式传递最简单的定宽文件。
固定宽度的文件可以
- 有多个记录布局
- 二进制字段
- 可能是 Cobol 文件
- 对于某些字段，您需要知道正确的字段定义是什么
解释它们。例如可以假定小数点，即 12345 可以是 123.45，
1.2345 等等
- 文本字段通常左对齐，
对于固定宽度的文件，您需要一个文件描述 (chema)
Cobol 文件
固定宽度文件的一个常见来源是 Cobol 应用程序。
Cobol 固定宽度文件
- 从来没有列标题
- 字段之间一般没有space
- 可以有二进制字段
- 假定小数点
- 分区十进制
看看这个问题中的文件
软件
- Microsoft Excel / Access + 大多数电子表格都有固定宽度的导入向导
- RecordEditor/Recsveditor 有固定宽度文件的向导 + 可以编辑固定宽度文件
我想知道是否可以解析 任何 固定宽度文件而无需对其进行任何了解并将其制作成 CSV。我的直觉说不，因为可能会有一些边缘情况。如果您知道宽度，但不知道列名，那很好。如果您知道列名，那么您就可以计算出宽度，这样就可以了。但是，如果您两者都没有，我可以想象，如果您在真正开始解析之前阅读文件一次，那么如果您使用足够聪明的逻辑，您就可以做到这一点。 也许。但如果这也是一个约束（必须读取文件一次），那么你就不走运了，对吗？还假设这是流式传输，因为文件为 50GB，无法加载到内存中。所以，回顾一下我的目标和限制：
目标：成功转换没有相关信息的固定宽度文件，最明显的是列名和宽度长度
约束条件： 1.我希望文件很大，所以我必须流式处理而不是将其加载到内存中，读取两次效率非常低。 2. 我没有关于列名、宽度或任何其他信息 - 我只是收到一个固定宽度的文件。
考虑到这些限制，目标是否可能实现？我知道在简单的情况下，可以这样说：
Love Lucy Is Awesome
data datatat datad datadaa
好吧，随便吧。因为列名中没有任何 space，所以很容易。但是我真的想不通的是像这样的复杂情况：
The Swimming Pool Is Dirty
data data data data
data datada data data data
在查看文件之前，我永远无法知道 "Swimming Pool " 是一列还是 "Swimming " 和 "Pool " 是两列。如果我所有的行都表示四条记录，那么 "Swimming Pool " 是一列；五，然后他们是两列。
事实上，这只是一个假设；也许 "Pool " 总是空的。我的意思是，即使是这种情况：
Swimming Pool
datadatadatat
我对定宽文件的了解还不够多，但两条记录之间至少必须有一个 space 吗？这可以翻译为：
Swimming, Pool
datadatad,atat
所以，我的难题向你展开了。老实说，我什至不确定简单的案例是否真的简单。也许 Lucy Is . 是一列。第一次接触这种文件类型（甚至真的听说过）吧，希望专业人士给点意见。
否!!!
只能通过这种方式传递最简单的定宽文件。 固定宽度的文件可以
- 有多个记录布局
- 二进制字段
- 可能是 Cobol 文件
- 对于某些字段，您需要知道正确的字段定义是什么 解释它们。例如可以假定小数点，即 12345 可以是 123.45， 1.2345 等等
- 文本字段通常左对齐，
对于固定宽度的文件，您需要一个文件描述 (chema)
Cobol 文件
固定宽度文件的一个常见来源是 Cobol 应用程序。 Cobol 固定宽度文件
- 从来没有列标题
- 字段之间一般没有space
- 可以有二进制字段
- 假定小数点
- 分区十进制
看看这个问题中的文件
软件
- Microsoft Excel / Access + 大多数电子表格都有固定宽度的导入向导
- RecordEditor/Recsveditor 有固定宽度文件的向导 + 可以编辑固定宽度文件