我有 TXT 格式的数据文件，我喜欢使用下面的 ruby 代码从 TXT 文件中解析 URL 字段
f = File.open(txt_file, "r")
f.each_line { |line|
rows = line.split(',')
rows[3].each do |url|
next if url=="URL"
puts url
end
}
TXT 包含：
name,option,price,URL
"x", "0,0,0,0,0,0", "123.40","http://domain.com/xym.jpg"
"x", "0,0,0,0,0,0", "111.34","http://domain.com/yum.jpg"
输出：
0
为什么输出来自选项字段“0,0,0,0,0,0”？如何跳过此步骤并获取 URL 字段？
环境 红宝石 1.8.7 导轨 2.3.8 宝石 1.3.7
【问题讨论】：
标签： ruby-on-rails ruby
我会查看一个 CSV 解析工具来简化此操作：
require 'rubygems'
require 'faster_csv'
FasterCSV.foreach(txt_file, :quote_char => '"',
:col_sep =>',', :row_sep =>:auto) do |row|
puts row[3] if row[3] != "URL"
break
end
另外，我认为您误解了split() 的工作方式。如果您对文件中的一行运行split()，您将获得该单行的columns 数组，而不是rows[3].each 建议的多维数组。
【讨论】：
require 'csv'，因为 Faster_CSV 取代了旧的 CSV。
编辑：在阅读之前，我完全同意 Jeff Swensen 的回答，无论如何我都会在这里留下答案。
我不完全确定您的内部循环的用途 (rows[3].each) 因为当您只有一个 URL 时，您无法将单行转换为“行”。您可以按 ** 字符拆分并返回一个 url 数组，但您仍然需要删除额外的双引号，或者您可以使用正则表达式，如下所示：
#!/usr/bin/env ruby
f = DATA
urls = f.readlines.map do |line|
line[/([^"]+)"\*\*/, 1]
end
urls.compact!
p urls
__END__
name ,option,price, **URL**
"x", "0,0,0,0,0,0", "123.40",**"http://domain.com/xym.jpg"**
"x", "0,0,0,0,0,0", "111.34",**"http://domain.com/yum.jpg"**
需要调用compact，因为map 会在您遇到与该表达式不匹配的内容时插入nil 对象。 String#[]方法见here
【讨论】：
结果为“0”的原因是，当您似乎期望解析 CSV 样式时，您的代码在逗号字符上盲目拆分（如果整个列值用引号括起来，则列值可能包含分隔符字符. 我强烈建议使用 csv 解析器。如果您使用的是 Ruby 1.9.2，那么您已经可以访问 FasterCSV 库。
【讨论】：
如果你确定你想要的字段总是用双引号括起来，你可以使用它作为提取的基础而不是逗号。
File.open(txt_file) do |f|
f.each_line do |l|
cols = l.scan(/(?<!\\)"(.*?)(?<!\\)"/)
cols[3].tap{|url| puts url if url}
end
end
(?<!\\)" 匹配非转义双引号。他们使用消极的后视。.*? 是非贪婪匹配，可避免匹配超出非转义双引号。tap 是为了避免在puts 和if 中重复两次cols[3] 操作。再次编辑
如果你使用 ruby 1.8.7，你可以
或
tap 也不能使用。请改用以下内容：.
File.open(txt_file) do |f|
f.each_line do |l|
cols = l.scan(/(?:\A|[^\\])"(.*?[^\\]|)"/)
url = cols[3]
puts url if url
end
end
我会推荐使用 oniguruma。它是自 ruby 1.9 以来引入的一种新的正则表达式引擎，比 ruby 1.8 中使用的引擎更强大和更快。它可以在 ruby 1.8 上轻松安装。
【讨论】：
数据是 CSV 格式，但如果您只想抓取字符串中的 last 字段，那么就这样做吧：
text =<<EOT
name,option,price,URL
"x", "0,0,0,0,0,0", "123.40","http://domain.com/xym.jpg"
"x", "0,0,0,0,0,0", "111.34","http://domain.com/yum.jpg"
EOT
require 'pp'
text.lines.map{ |l| l.split(',').last }
如果你想清理双引号和尾随换行符：
text.lines.map{ |l| l.split(',').last.gsub('"', '').chomp }
# => ["URL", "http://domain.com/xym.jpg", "http://domain.com/yum.jpg"]
【讨论】：