处理具有未知换行位置的文本文件

Question

我的问题很简单：我有一个文本文件，我处理并插入数据库中的所有数据，并为每个新行处理它。问题是文本文件是在我的网关中接收到的短信的日志，并且根据正在发送的文本，我将有一行对应于每个短信。如果 SMS 在其正文中没有任何新行，则一切正常，另一方面，如果 SMS 是这样发送的：

"Test 
TestOnANewLine" 

我得到一个中断的日志文件，每次都换行。示例如下：

2012-01-01 10:10:10,4C64DCD6.req,192.168.999.999,+12223334444,OK -- SMPP - 999.999.999.999:9999,SubmitUser=user;Sender=sender;SMSCMsgId=999999999;Text="Test1
NewLineTest
AnotherNEwLineTEst"

日志文件解释如下：

date time, smsid, ip that processed it, number that is being sent to, status --connection type - ip that is sent from, user that submitted; sender name that is displayed; sms connection id; body of the sms 

至于我使用 PHP 的语言和使用的函数，它很简单

    foreach($lines as $line)
        {    explode and do stuff   }

我该如何处理这种情况？在这一点上，任何帮助表示赞赏

提前致谢！！

Answer 1

fgetcsv 可以处理包含在 '"' 中的换行符，但在正文中添加一个额外的 '"' 字符会失败...

那么一些不负责任的regexp 用法呢？

preg_match_all(#^(\d{4}-\d{2}-\d{2}[^,]+),([^,]+),([^,]+),([^,]+),([^,]+),SubmitUser=([^;])+;Sender=([^;])+;SMSCMsgId=([^;])+;Text="([\w\d\s\.\-,:;'"]+)"$#im', $file, $matches);

应该做的工作，不是太疯狂的文本，也许你应该使用 \w\d\s.-,:;'" 表达更符合你的需要

Answer 2

难道你不能循环遍历换行符直到你可以从中解析出一个日期吗？ 也许考虑到前一行以双引号结尾？

我知道它不是万无一失的，但没有一些可识别的“消息结束”字符。这是我能想到的最好的：P

Answer 3

首先，感谢您的所有反馈，它真的很宝贵，它帮助我解决了这个问题。另外，对于所有将阅读这篇文章并希望在这里找到解决方案的人来说，这是我的：

我将解释行尾 /r/n 的方式从常规行更改为 /r/n2，这意味着当且仅当有常规新行 /r/n并且在新的实体线上有一个2（这是年初）

实际解决的部分是：

$data = file_get_contents($backup_file);
$lines=explode("\r\n2",$data);
foreach($lines as $line)
{
  //explode and do stuff
}

Answer 4

尝试将所有日志条目规范化为每个日志条目的单个数组项（即将多个换行符的条目组合成一个条目）

$line_array = file('/path/to/file');
$log_array = array();

$i = -1;
$date_pattern = '/^[0-9]{4}-[0-9]{2}-[0-9]{2}\s[0-9]{2}:[0-9]{2}:[0-9]{2}/';
foreach ($line_array as $line) {
    if (1 === preg_match($date_pattern, $line)) {
        // this is a new log entry
        // let's trim the whitespace from the end of the last log array entry since we are done with it 
        if(isset($log_array[$i])) {
            $log_array[$i] = rtrim($log_array[$i]);
        }

        // start a new log array entry
        $i++;
        $log_array[$i] = $line;
    } else {
        // this is not a new log entry
        $log_array[$i] .= $line;
    }
}

之后，您应该能够使用$log_array 来提取您需要的数据。顺便说一句，我应该注意到，当您循环访问 $log_array 时。首先提取味精文本可能会有所帮助。如果你在双引号上做一个贪婪的preg_match，你不应该对包含引号的消息有任何问题，因为贪婪匹配会找到最大可能的匹配字符串，在你的情况下，这将是引号边界之间的所有内容消息内容。