[文本处理] 求批处理把一个带分隔符的长字符串拆成一行行的

zhengwei007

我有个csv文件，里面有很多类似的样式如下，我随意粘了3行，请大家帮忙看看，可以直接粘到csv里。

1	adena	7	10	100	70	apprentice's_shoes	1	1	63.7931	cloth_shoes	1	1	12.069	leather_sandals	1	1	12.069	short_gloves	1	1	12.0689	10.9692	stem	1	1	75	suede	1	1	25	1.3062								
3	adena	25	35	100	70	apprentice's_earing	1	1	30.9859	magic_ring	1	1	46.0094	necklace_of_magic	1	1	23.0047	15.1467	varnish	1	1	11.3636	coal	1	1	11.3636	charcoal	1	1	11.3636	rp_bow	1	1	9.0909	wooden_arrow	20	39	56.8183	6.0713
4	adena	34	48	100	70	short_leather_gloves	1	1	33.3333	cotton_shoes	1	1	33.3333	crude_leather_shoes	1	1	33.3334	2.4971	stem	1	1	75	suede	1	1	25	2.5262												
复制代码

如果英文名称后面是4组数字，则将数字直接写在后面，然后另起一行。
如果英文名称后面是3组数字，则将将后面出现4组数字的最后一组，写到前面的最后一组给补齐即可。
所以根据上面的内容，我希望通过批处理操作后，自动调整成以下格式：

1	adena	7	10	100	70
1	apprentice's_shoes	1	1	63.7931	10.9692
1	cloth_shoes	1	1	12.069	10.9692
1	leather_sandals	1	1	12.069	10.9692
1	short_gloves	1	1	12.0689	10.9692
1	stem	1	1	75	1.3062
1	suede	1	1	25	1.3062
3	adena	25	35	100	70
3	apprentice's_earing	1	1	30.9859	15.1467
3	magic_ring	1	1	46.0094	15.1467
3	necklace_of_magic	1	1	23.0047	15.1467
3	varnish	1	1	11.3636	6.0713
3	coal	1	1	11.3636	6.0713
3	charcoal	1	1	11.3636	6.0713
3	rp_bow	1	1	9.0909	6.0713
3	wooden_arrow	1	1	56.8183	6.0713
4	adena	34	48	100	70
4	short_leather_gloves	1	1	33.3333	2.4971
4	cotton_shoes	1	1	33.3333	2.4971
4	crude_leather_shoes	1	1	33.3334	2.4971
4	stem	1	1	75	2.5262
4	suede	1	1	25	2.5262
复制代码

这个是我把json格式的多余字符全删除了，这玩意原本是json。。。谢谢各位大佬。

newswan

#10 的powershell 很合适啊

hfxiang

回复 1# zhengwei007
此类在俺看来属于数据格式化一类的问题，建议用第3方工具gawk（http://bcn.bathome.net/tool/4.1.0/gawk.exe）处置，其在命令行下实现指令如下：

gawk "{n=patsplit($0,a,/[a-zA-Z][^\t]+(\t[0-9.]+){3,4}/);for(i=n;i>0;i--)if(a[i]~/[a-zA-Z][^\t]+(\t[0-9.]+){4}/){a4=gensub(/^.+\t([^\t]+)$/,\"\\1\",\"g\",a[i])}else{a[i]=a[i] \"\t\" a4};for(i=1;i<=n;i++)print $1\"\t\"a[i]}" a.csv>b.txt
复制代码

qixiaobin0715

修改14楼的代码，以便解决15楼的问题：

@echo off
setlocal enabledelayedexpansion
(for /f "tokens=1*" %%a in (a.csv) do (
    setlocal enabledelayedexpansion
    set Line="%%b"
    set Line=!Line:	="	"!
    set Line=!Line:""=!
    for %%j in (!line!,x) do (
        for /f "delims=0123456789." %%k in ("#%%~j") do (
            if not "%%k"=="#" (
                if !x! equ 3 (
                    set /a y+=1
                    set _!y!=!str!
                ) else if !x! equ 4 (
                    if defined _!y! (
                        for /l %%l in (1,1,!y!) do (
                            if defined FourthCol (
                                echo,%%a	!_%%l!	!FourthCol!
                            ) else (
                                echo,%%a	!_%%l!
                            )
                            set _%%l=
                        )
                        set FourthCol=
                        set y=0
                    )
                    echo,%%a	!str!
                )
                set str=%%~j
                set x=0
            ) else (
                set str=!str!	%%~j
                set /a x+=1
                if !x! equ 4 set FourthCol=%%~j
            )
        )
    )
    endlocal
))>out.csv
pause
复制代码

这种问题对于锻炼逻辑思维很有好处。顺便练习一下if及set命令的用法。

qixiaobin0715

13、14楼提供代码好像不行，刚发现楼主提供的csv文件在599行中，英文名称含有空格，分割时会出现问题。以上代码作废。
使用不带参数的for循环，按水平制表符分割字符串时不能存在干扰字符，即要分割的字符串中不能存在空格、逗号、分号、等号等这类字符，这种情况应当也能解决，不过可能要在前面多几行代码处理一下字符串即可。

qixiaobin0715

主要是练练手。
将楼上代码修改如下：

@echo off
setlocal enabledelayedexpansion
(for /f "tokens=1*" %%a in (a.csv) do (
    setlocal enabledelayedexpansion
    for %%j in (%%b,x) do (
        for /f "delims=0123456789." %%k in ("#%%j") do (
            if not "%%k"=="#" (
                if !x! equ 3 (
                    set /a y+=1
                    set _!y!=!str!
                ) else if !x! equ 4 (
                    if defined _!y! (
                        for /l %%l in (1,1,!y!) do (
                            if defined FourthCol (
                                echo,%%a	!_%%l!	!FourthCol!
                            ) else (
                                echo,%%a	!_%%l!
                            )
                            set _%%l=
                        )
                        set FourthCol=
                        set y=0
                    )
                    echo,%%a	!str!
                )
                set str=%%j
                set x=0
            ) else (
                set str=!str!	%%j
                set /a x+=1
                if !x! equ 4 set FourthCol=%%j
            )
        )
    )
    endlocal
))>out.csv
pause
复制代码

qixiaobin0715

考虑不是太成熟，代码应当还能简化，只是提供一种思路：

@echo off
setlocal enabledelayedexpansion
(for /f "tokens=1*" %%a in (a.csv) do (
    setlocal enabledelayedexpansion
    set FirstCol=%%a
    for %%j in (%%b) do (
        for /f "delims=0123456789." %%k in ("#%%j") do (
            if not "%%k"=="#" (
                if !x! equ 3 (
                    set /a y+=1
                    set _!y!=!str!
                ) else if !x! equ 4 (
                    if defined _!y! (
                        for /l %%l in (1,1,!y!) do (
                            if defined FourthCol (
                                echo,%%a	!_%%l!	!FourthCol!
                            ) else (
                                echo,%%a	!_%%l!
                            )
                            set _%%l=
                        )
                        set FourthCol=
                        set y=0
                    )
                    echo,%%a	!str!
                )
                set str=%%j
                set x=0
            ) else (
                set str=!str!	%%j
                set /a x+=1
                if !x! equ 4 set FourthCol=%%j
            )
        )
    )
    if defined _!y! (
        for /l %%l in (1,1,!y!) do (
            if defined FourthCol (
                echo,!FirstCol!	!_%%l!	!FourthCol!
            ) else (
                echo,!FirstCol!	!_%%l!
            )
        )
    )
    echo,!FirstCol!	!str!
    endlocal
))>out.csv
pause
复制代码

aloha20200628

用楼主在4楼提供的样本（存为：样本3行.txt）练了一把纯P脑力操，代码如下存为test.bat
先用字符串替换函数把源文收拾利索，再丢给 for/f 分割器逐项扫描.. 幸亏有变量名字典作为遍历回查存储器，使得代码轻量化...
再用7楼提供的样本文件（下载保存为：样本462行.txt）运行结果输出4370行一楼所求格式化数据，行内分割符为制表符
     test.bat "样本3行.txt">"样本3行.new"
或
     test.bat "样本462行.txt">"样本462行.new"

@echo off
for /f "tokens=1* delims=	" %%1 in (%1) do (
	setlocal enabledelayedexpansion
	set "dn=0" &set "nq=%%1" &set "s=%%2;z" &set "s=!s:*{=!"
	for %%c in ( [,],{,} ) do (set "s=!s:%%c=!")
	for %%a in (!s!) do (
		set "v=%%a" &set "v1=!v:~,1!"
		if "!v1!" geq "0" if "!v1!" leq "9" (
			for %%k in (!n!) do (set "_%%k=!_%%k!	!v!")
			set "lastD=!v!" &set/a "dn+=1"
		) else (
			if !dn! equ 3 (set "nmax=!nmax! !n!") else if !dn! equ 4 (
				if defined nmax for %%k in (!nmax!) do (echo,!_%%k!	!lastD!)
				for %%k in (!n!) do (echo,!_%%k!)
				set "n=0" &set "nmax="
			)
			set/a "n+=1, dn=0" & set "_!n!=!nq!	!v!"
		)
	)
	endlocal
)
exit/b
复制代码

zhengwei007

谢谢大家，已经解决了！

idwma

回复 4# zhengwei007


    用4楼的例子，试一下系统自带的powershell
另存为bat文件运行

#@&cls&powershell "type '%~0'|out-string|iex"&pause&exit
gc test.json|%{
[regex]::Matches($_,'\{(?<k>{\[[^\]]+\][^\}]+\};?)+\};(?<v>[^\}]+)')|%{
$v=$_.groups['v'].value
$_.groups['k'].captures.value|%{$_ -replace '^\{\[([^\]]+)\];([^;]+);([^;]+);([^;]+)\};?',"`$1`t`$2`t`$3`t`$4`t$v"}
}
}
复制代码

wanghan519

回复 8# zhengwei007

ret = []
with open('a.csv', 'r') as f:
    for i in f:
        arr = i.strip().split('\t')
        a = arr[0]
        b = []
        for j in arr[1:]:
            try:
                float(j)
                b.append(j)
            except:
                if b:
                    ret.append(b)
                if len(b) == 6:
                    for k in ret:
                        k.append(b[-1])
                b = [a, j]
        ret.append(b)
        for k in ret:
            k.append(b[-1])
with open('b.csv', 'w') as f:
    f.write('\n'.join(map(lambda x:'\t'.join(x[:6]), ret)))
复制代码

zhengwei007

回复  zhengwei007


    这也不是json啊。。。
没有可用的工具，能想到的就是用perl或者c#里正则的平 ...
wanghan519 发表于 2024-1-5 15:45

   
可以帮我加个写到一个新的文件中吗？我用网上的在线编译，可以使用。但内容过多，复制不完整。请帮我在代码最下面加一个可以生成一个新的文件，将所有结果全部写到b.csv里吧。

zhengwei007

python我是一点不会，我进入环境了但不会运行~
我把文件发你，可以帮我导一下吗？
链接：https://pan.baidu.com/s/1jiRecvqIOPAw4dwRjOaGFw
提取码：eurj
--来自百度网盘超级会员V9的分享

zhengwei007

那我去试试你上面的PY

wanghan519

回复 4# zhengwei007


    这也不是json啊。。。
没有可用的工具，能想到的就是用perl或者c#里正则的平衡组，好麻烦
还不如py写的，而且如果改用vb，vb里的数组又不能动态扩展，写起来更麻烦