2文字以上の空白で区切られた固定長テキストの解析

概要

コマンド出力等にありがちな、以下の条件の固定長テキストを解析するためのサブルーチン。

• 全体としては固定長テキスト
• 先頭はヘッダ行
• カラムは実行ごとに異なる（例えばコマンド実行時の引数で変わる）
• カラムの幅は実行ごとに異なる（例えば出力されるデータにあわせて変わる）
• カラムの間は2文字の空白で区切られている
• レコードによっては、あるカラムが空のこともある

解析方法

以下の方針で解析します。

• 1行目をヘッダ行として処理します。
• ヘッダ行の「2文字以上の空白」の出現場所から、各フィールドの長さを判断します。
• 残りの行を、固定長テキストとして解析します。
• 結果は、ハッシュリファレンスの配列の形で返します。

ヘッダ行から「固定長」の長さを取得するので、事前に各フィールドの長さを定義する必要がなくなります。レコード行には、空のフィールドや、2文字以上の空白を含むフィールドがあっても大丈夫です。

サブルーチン

sub parse_multispaces_separated {
    my $text   = shift;
    my @rows   = ();

    # split each lines
    my @lines  = grep { /\S/ } split(/\n/, $text);
    my @length = map { length($_) } ($lines[0] =~ /(\S(?: ?\S)* {2,})/g);
    foreach my $line (@lines) {
        my @values = map { substr($line, 0, $_, '') } @length;
        push(@values, $line);
        s/^\s+|\s+$//g foreach (@values);
        push(@rows, \@values);
    }

    # get column names and hash-nize
    my @columns = @{shift(@rows)};
    foreach my $row (@rows) {
        my @values = @{ $row };
        my %hash = map { $columns[$_] => $values[$_] } (0..$#values);
        $row = \%hash;
    }
    
    return @rows;
}

使用例

my $text = <<EOF;
Customer Name   Location       email
Akai Isao       Tokyo, Japan   [e-mail]
Uda Eijiro      Osaka, Japan   [e-mail]
Oswald Kahn     Aidaho, U.S.   [e-mail]
Silvia Tolen                   [e-mail]
EOF

my @rows = &parse_multispaces_separated($text);

use Data::Dumper;
print Dumper(\@rows);

sub parse_multispaces_separated {
    (略)
}

使用例の出力

$VAR1 = [
    {
        'email' => '[e-mail]',
        'Location' => 'Tokyo, Japan',
        'Customer Name' => 'Akai Isao'
    },
    {
        'email' => '[e-mail]',
        'Location' => 'Osaka, Japan',
        'Customer Name' => 'Uda Eijiro'
    },
    {
        'email' => '[e-mail]',
        'Location' => 'Aidaho, U.S.',
        'Customer Name' => 'Oswald Kahn'
    },
    {
        'email' => '[e-mail]',
        'Location' => '',
        'Customer Name' => 'Silvia Tolen'
    }
];