在 Perl 中逐行读取文件时会丢失文本行。 <cr> <lf> 不匹配

Question

我想从 3G 调制解调器中提取和记录各种参数，因为存在间歇性丢失。因此，我使用 wget 从 3G 调制解调器读取3Ginfo.html 并将内容放入文件contents.txt。使用 Notepad++ 打开这个文件会显示所有的数据。

由于我的声誉，我不能发布图片，因此下面的代码是我能做的最好的；从记事本++（打开查看所有字符），我得到：

<tr>[LF]

<td class='hd'>Signal Strength:</td>[LF]

<td>[LF]

-72[CR]

&nbsp(dBm)&nbsp(High)</td>[LF]

</tr>[LF]

但是，当从 Perl 逐行读取文件时，很明显行数少于 Notepad++ 报告的行数，并且数据丢失。在这种情况下，实际的信号强度值会丢失。

这里是读取文件的 Perl 代码：

open hLOGFILE, "<output.txt";
while (<hLOGFILE>) 
{ 
    print "Line no $.  Text is $_ ";
}

这是输出（作为文本，因为我还不能发布图片）：

Line no 98  Text is <tr>

Line no 99  Text is <td class='hd'>Signal Strength:</td>

Line no 100  Text is <td>

&nbsp(dBm)&nbsp(High)</td>

Line no 102  Text is </tr>

很明显，缺少行，它与<cr> 行尾终止符有关。我试过 slurping 文件，但仍然缺少这些行。

除了逐字节读取然后尝试以这种方式解析文件（这不是很吸引人）之外，我找不到解决方案。

我的计划是每分钟左右简单地提取和记录感兴趣的行。

我尝试打开指定各种编码的文件，但仍然没有乐趣。如果 Notepad++ 可以读取并显示所有数据，为什么它在 Perl 中不起作用。在 Windows XP 命令行中使用more 时，显示数据也丢失了。

当我从 chrome 查看源代码时，

<tr>
    <td class='hd'>Received Signal Code Power(RSCP):</td>
    <td align='center'> -78 dBm</td>
</tr>

Answer 1

-72[CR] 行没有丢失。你只是没有看到它。

这是因为它不是 行，因为回车字符通常不被识别为换行符。发生的事情是您将其作为一行阅读：

-72[CR]&nbsp(dBm)&nbsp(High)</td>[LF]

正在发生的事情是您正在打印：

Line No. 101 is -72

然后打印回车符，使光标回到行首。然后，打印该行的其余部分。这掩盖了您打印的内容，因此您会看到：

&nbsp(High)</td>

因为它覆盖了该行上的先前文本。

我用 VI 创建了三个不同的文件，具有三种不同的文件格式（“mac”=“\r”、“unix”=“\n”和“dos”=“\r\n”），然后我使用 Unix cat 命令将它们组合成一个混蛋文件。

这是我的程序：

use 5.12.0;
use autodie;

open my $test_fh, "<:crlf", "new_test";

local ($/);               #Enable "slurp" mode
my $file = <$test_fh>;    #Whole file is read in.

$file =~ s/[\r\n]+/\n/g;  #Make all line endings just \n

#
# Now "rewrite" the file
#
my @file = split /\n/, $file;
for my $line (@file) {
    say qq(Line: "$line");
}

打印出来：

Line: "MAC FILE"
Line: "this"
Line: "is"
Line: "a"
Line: "test of my"
Line: "program"
Line: "this"
Line: "WINDOWS FILE"
Line: "is"
Line: "a"
Line: "test of my"
Line: "program"
Line: "UNIX FILE"
Line: "this"
Line: "is"
Line: "a"
Line: "test of my"
Line: "program"

如您所见，MAC FILE 确实显示了所有行，但单词Line: 并没有全部打印出来。那是因为 Perl 把它读成了一大行。我的s/\r+/\n/g 将其转换为多行打印，但while 循环将其作为单行读取。

看看我的open 声明。我使用三个参数来解决 Perl 中的一些小问题。好处是您可以将图层或编码附加到文件中。例如，<:crlf 自动将 Windows 文件从 \r\n 结尾转换为 \n，但不会触及 Unix 文件。对于在混合 Unix/Windows 环境中工作的人来说，这是一个救命稻草。

我希望为旧的 Mac 样式文本文件找到一些类似的层（在 Mac OS X 之前的日子里，Macintosh 文件仅以 \r 结尾，而根本没有 \n。那真的可以解决问题。不幸的是，我没有找到任何文档。很久没有你有 pre-OS X Macintosh 文本文件了。

Answer 2

回车是\r。它在perldoc perlreref 中列出。从您的输入中删除它，例如在您的那个循环中，可以这样做：

while (<hLOGFILE>) { 
    s/\r//g;
    print "Line no $.  Text is $_ ";
}

替代品

tr/\r//d;        # same thing as above, really
s/[\r\n]+$//;    # remove all line endings

Answer 3

你可以 chomp() 它关闭...

open hLOGFILE, "<output.txt";
while (<hLOGFILE>)
{
    chomp(); 
    print "Line no $.  Text is $_ \n" if( $_ );
}

在某些系统上，我看到需要调用 chomp() 两次，以消除多个行尾字符……是的，确实存在。您可能还想添加一些东西来去除所有这些 HTML 标记？见：How can I strip HTML in a string using Perl?