Question

我有一个由'，'分隔的键值对，如下所示。我只需要提取值，无论它是否存在。

Category=, userAgent=Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko, referringURL=https://www.localhost.com/account/pay?link=credit_card, criteria=InFormCriteria(cc='MZ',tend=123,cd='parts')

我使用了以下代码，

while(<FH>){
    while($_=~m/([^=]+)=([^\s]+,?)/g){
        print $1." ";
    }
    print "\n";
}

我得到以下输出：

, Mozilla/5.0 https://www.localhost.com/account/pay?link=credit_card, InFormCriteria(cc='MZ',tend=123,cd='parts')

但是，我需要得到：

""@@Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko@@https://www.localhost.com/account/pay?link=credit_card@@InFormCriteria(cc='MZ',tend=123,cd='parts')

我做错了什么？

Answer 1

它比听起来更烦人，因为你的字符串使用不一致的分隔符。因此，很难用RE解析，并且总是不可靠。

存在这样做的模块 - 正如Wintermute所提到的，HTTP::BrowserDetect是为解析这种特殊类型的字符串而构建的。

如果你真的开始这么做的话 - 简单的＆＃39;由于在括号中嵌套了元素，split_on_delimiter方法无法工作。所以我建议 - 用正则表达式挑选密钥（因为它们总是一个字，然后是=）。

然后，创建一堆＆＃39; sub＆＃39;正则表达式，解析它。

#!/usr/bin/perl

use strict;
use warnings;
use Data::Dumper;

my $string =
    q{Category=, userAgent=Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko, referringURL=https://www.localhost.com/account/pay?link=credit_card, criteria=InFormCriteria(cc='MZ',tend=123,cd='parts')};

my @keys = ( $string =~ m/(?:^|\s)(\w+)=/g );
my %parsed_thing;

for my $index ( 0 .. $#keys ) {
    my $regex =
          $keys[$index]
        . '=(.*?)[, ]*'
        . ( defined $keys[ $index + 1 ] ? $keys[ $index + 1 ] : '$' );
    print "Using a RE of: ", $regex, "\n";

    my ($value) = ( $string =~ m/$regex/ );
    print "\tGot: $keys[$index] => $value\n";
    $parsed_thing{ $keys[$index] } = $value;
}

print join( '@@', values %parsed_thing ),"\n";
#or
print join( '@@', @parsed_thing{@keys} ),"\n";

Answer 2

您的实际分隔符看起来更像,（逗号后跟空格）。如果key = value对的值不包含相同的分隔符，则可以使用gawk：

gawk '{sub(/^\w+=/, ""); gsub( /, \w+=/, "@@"); print}'

删除第一个字段中的key = part，然后将其他字段转换为@@。您的示例数据输出对我来说是这样的：

@@Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko@@https://www.localhost.com/account/pay?link=credit_card@@InFormCriteria(cc='MZ'@@123@@'parts')

如果您确实需要将空值表示为""，则可以在脚本中使用常规gawk / awk：

#!/usr/bin/awk -f

BEGIN {FS=", "; OFS="@@"}

{
    for(i=1; i<=NF; i++) {
        val = substr( $i, index( $i, "=" )+1 )
        if( val=="" ) val="\"\""
        printf "%s%s", val, (i<NF?OFS:"\n")
    }
}

或者，你也可以将这些字段分成或者gsub到""。该脚本为我输出以下内容：

""@@Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko@@https://www.localhost.com/account/pay?link=credit_card@@InFormCriteria(cc='MZ',tend=123,cd='parts')

这些解决方案都假设每个字段都是key = value，并且没有值包含,（逗号后跟空格）。如果后者不成立，那么您可能希望将日志记录定界符（如果可以）更改为更明确的内容。或者，如果您可以确定,在某个值中的不同情况（例如在平衡数据之间），则可以在解析主键=值对之前更改这些情况。

如何从此键值对中提取值？

2 个答案: