如何从Ruby中的一个非utf8文本文件中提取数字并将它们放入另一个文件中？

Question

我有一些数据由终端记录并保存到一个typescript文件中。我知道如果需要的话我可以把它改成.txt。问题似乎是，尽管在请求文件编码时返回UTF-8，但我得到的错误似乎暗示编码是另一回事。例如，我无法将内容复制并粘贴到Word或其他文本编辑器中。你知道吗

不管怎样，我没有幸用标准的.gsub!或.tr方法从这个文件中删除非数字字符。你知道吗

输入如下所示：

_4ÑZŸs_4ÑZâ7o[?1034h
_4ÑZ8obash-3.2$ e4ÑZ”C
i[A e4ÑZõD
oscript -re4ÑZˇ?
i[Ae4ÑZ∑@
opython go.pyf4ÑZÌ
i
f4ÑZ£Ì
o
f4ÑZÊÚoattn 0
f4ÑZ,Ûoattn 0
attn 0
Hf4ÑZuÛoattn 0
attn 0
attn 0
attn 0
attn 0
attn 0
attn 0

其中“0”可以是0到128之间的任意数字。你知道吗

我只想要“attn”后面的数字，而不是attn。你知道吗

这是我目前的代码：

File.open("input.txt").each do |line|
  number = line.gsub('[0-9]+', ' ')
  File.open("output.txt", "w+") { |f| f.write(number)  }
end

根据我所做的任何小改动，我要么得到一个枚举器，要么只得到输入文件的最后一个数字。你知道吗

从没想过做这么基本的事会这么难。你知道吗

加分：让程序输出这些数字，然后将它们插入excel工作表的第1列或第3列（直到我在终端终止程序为止），最好的方法是什么？你知道吗

生成输入文件的Python程序只是从一个串行对象中获取值并将它们输出到终端，终端生成所讨论的文本文件。我只是徒劳地尝试将它们从这个文本文件手动移动到Excel（我现在愚蠢地尝试用一个简单的Ruby脚本来自动化这个任务）。你知道吗

Python或Ruby中的一个脚本就足够了，只要它接受一个.txt文件作为输入（因为我正在处理已经生成的数据）。你知道吗

我有Mac，所以我用网页，如果这有区别的话。你知道吗

Here是有问题的原始文件。编辑：出于安全原因删除了文件。你知道吗

TL；博士

1. 如何在一个新的行上只打印typescript（似乎不是UTF-8）文件中的数字（每个数字有1-3位数长）？

2. 如何使整个过程自动化，并让Python程序无限期地（在无限while True:循环中）将值插入到.numbers（Excel for Mac）文件中？

谢谢你！你知道吗

Answer 1

谢谢你的回答。最终对我有效的解决方案是获取二进制文件并通过以下脚本运行它：

strings input.txt | grep -o "\d.*" | uniq > output.txt

如前所述，它使用Unix命令strings仅从二进制文件生成字符串，然后运行grep命令仅将每个数字的唯一实例（未排序，因为其基于时间的数据）输出到输出文件。然后我用Excel做进一步的过滤。你知道吗

Answer 2

正则表达式：^{}或(?<=^attn\s)\d+

详情：

• (?<=)正面回顾
• \s匹配任何空格字符（等于[\r\n\t\f\v ]）
• (?:)非捕获组
• []匹配列表中的单个字符
• {n,m}在n和m次之间匹配
• |或

Python代码：

text = open(r'C:\text.txt').read()
matches = re.findall(r'(?<=^attn\s)(?:[0-9]{1,2}|1[01][0-9]|12[0-8])$', text, re.M)

输出：

['11', '0', '99', '120', '0']

Code demo

Answer 3

你真的应该把这个问题分成两个独立的问题。以下是对第一个问题的回答；一些Ruby代码可以满足您的需要：

numbers = File.readlines('input.txt').grep(/^attr \d+/).map do |line|
  line.split('attr ').last.chomp.to_i
end

File.write('output.txt', numbers.join("\n"))