有没有什么方法能从某文件中提取我感兴趣的部分文本？

jeoncanon · 发表于 2004-12-18 13:17:05

我最近用apache+php+mysql搭建了一个学习php和mysql的环境，正好领导要我写一个小小的安全违章信息管理系统。数据库模式已经设计好，做到现在领导才提醒我以前的安全违章信息是用文件记录的。而我设计的违章信息表（vio-info）包含如下字段：
vio_id bigint(20) //违章事件ID（主键）
user_id int(5) //违章者的ID
vio_name varchar(20) //违章者姓名
user_class varchar(20) //违章者职务
vio_depart varchar(50) //违章者部门
vio_date date       //违章日期
vio_reason text    //违章原因
vio_class char       //违章性质（一般，严重）
vio_punish text       //违章处理结果
自己看那些文件，才发现没有“固定”的格式，例如：2004年12月1日在XX部门发现YY（职务）XXX员工违章，原因是.............，属于XX（违章性质）违章，经上级确定给予以下处罚..........（违章处理结果）。领导的意思如果人工提取这些信息并手工录入，好象失去了信息技术带来的高效，快捷。所以我考虑到将那些文件扫描后OCR成txt文件，然后用脚本提取这些信息再按照mysql数据表的要求存为带域分隔符的文本文件，最后导入数据库中。不知道perl或者unix系统自带的awk sed能否实现这样的功能，向各位请教！

nbxmedia · 发表于 2004-12-20 16:17:16

正则表达式即可
如果文本其它内容是固定的话
看看？[PHP]preg_match('/(.*?)在(.*?)部门发现(.*?)（职务）(.*?)员工违章，原因是(.*?)，属于(.*?)违章，经上级确定给予以下处罚：\\n(.*?)/', $text, $cap);
print_r($cap);[/PHP]

唯一要求就是其它地方的格式固定，要不然，再高科技也没辙

jeoncanon · 发表于 2004-12-27 23:23:37

在www.chinaunix.net
上bitbull兄给我的回复如下
http://bbs.chinaunix.net/forum/viewtopic.php?t=468943

#!/bin/bash
sed 's/$[0-9]*$年$[0-9]*$月$[0-9]*$日在$.*$部门发现$.*$（职务）$.*$(姓名）.*原因是$.*$，属于$.*$（违章性质）.*以下处罚$.*$（违章处理结果）.*/\1\2\3;\4;\5;\6;\7;\8;\9/' $1>temp
awk 'BEGIN { i=1 }
{
print i";"i";"$0
i++
}' temp
测试如下
代码:
[root@bbhome test]# cat file
2004年12月1日在ZZZ部门发现YYY（职务）XXX(姓名）员工违章，原因是AA，属于BB（违章性质）违章，经上级确定给予以下处罚CC（违章处理结果）。
2004年11月1日在销售部门发现经理（职务）武大狼(姓名）员工违章，原因是太急上厕所了，属于故意（违章性质）违章，经上级确定给予以下处罚开除（违章处理结果）。
2004年10月11日在开发部门发现技术主管（职务）武松(姓名）员工违章，原因是大嫂和别人睡觉，属于故意杀人（违章性质）违章，经上级确定给予以下处罚枪毙（违章处理结果）。
2004年12月1日在卫生部门发现小工（职务）西门庆(姓名）员工违章，原因是和别人老婆睡觉，属于故意（违章性质）违章，经上级确定给予以下处罚阉割（违章处理结果）。
[root@bbhome test]# temp2 file
1;1;2004121;ZZZ;YYY;XXX;AA;BB;CC
2;2;2004111;销售;经理;武大狼;太急上厕所了;故意;开除
3;3;20041011;开发;技术主管;武松;大嫂和别人睡觉;故意杀人;枪毙
4;4;2004121;卫生;小工;西门庆;和别人老婆睡觉;故意;阉割

复制代码

请问这段代码的功能用perl如何实现，多谢！

		自动登录	找回密码
密码			注册