17370845950

本教程详细介绍了如何使用php处理无分隔符的固定宽度数据文件（.out），并将其转换为更易于处理的csv或sql格式。核心在于利用php的`unpack`函数精确解析每条记录中的固定长度字段，然后通过`fputcsv`函数生成带有指定分隔符的csv文件，为数据转换提供了高效且灵活的解决方案。

理解固定宽度数据格式

固定宽度数据文件是一种常见的数据存储格式，其特点是每条记录中的每个字段都占据预设的固定字符长度，即使字段实际内容较短，也会用空格或其他填充字符补齐。与CSV或JSON等使用分隔符的数据格式不同，固定宽度文件没有明确的分隔符来区分字段，而是依赖于每个字段的起始位置和长度。

挑战：

• 无分隔符： 无法直接通过逗号、制表符等分隔符进行解析。
• 精确长度： 必须精确知道每个字段的名称及其对应的字符长度。
• 空白字符： 空格在固定宽度数据中可能具有双重含义，既可以是填充字符，也可能代表字段的实际值（如NULL或空值）。

示例数据结构：

考虑以下.out文件中的两条记录示例，它们没有分隔符，但每个数据段都占据固定的长度。

I299207075410 07  OCCLUSAL-HP                        LIQ17%                          LMedicis              B000001000000000001EA 8428010080529100   1072363   20030101000000016750000000016750000000000167500200101010000000000000000000000000000000001218000000000000000000000000000000000000000000000000020021231262436018510(W/BRUSH APPLICATOR)     TPLIQ     
 299207085060R01  LUZU                               CRE1%                           SBausch               C000006000000000001EA 8404080054930829 1 1309011   20180105000000590530000000098421700000000902967000000000000000000000000000000000000000000000000000000000000000000000000000000                                     TPCRE     

在这些记录中，即使是空白字符也可能构成一个独立的字段，或者作为某个字段的填充部分。例如，第一条记录的第一个字符是“I”，而第二条记录的第一个字符是空白，这可能表示一个长度为1的字段，其中空白代表NULL值。

PHP解析核心：unpack函数

PHP的unpack函数是处理固定宽度二进制或字符串数据的强大工具。它通过一个格式字符串来定义如何从输入数据中提取各个部分。

unpack函数的基本语法：

array unpack ( string $format , string $data )

• $format：一个字符串，由一系列格式字符和可选的字段名组成，用于指定如何解析数据。
• $data：要解析的字符串数据。

格式字符串构建：

对于固定宽度的字符串数据，我们主要使用以下格式字符：

• A：表示一个字符串，它将从数据中读取指定长度的字符。
• 长度：紧跟在A后面，表示要读取的字符数量。
• 字段名：可选，用于给提取出的数据命名，使其在返回的关联数组中作为键。

例如，A12id2 表示读取12个字符并将其命名为id2。

为了解析整个固定宽度行，我们需要将所有字段的格式描述连接起来，并用斜杠/分隔，形成一个完整的格式字符串。

实现数据转换的PHP脚本

以下PHP脚本演示了如何读取一个.out文件，解析其固定宽度记录，并将其导出为CSV文件。

 1,      // 例如 'I' 或空白
    'id_number' => 12,
    'code_type' => 5,
    'product_name' => 35,
    'concentration' => 32,
    'manufacturer' => 22,
    'product_code' => 22,
    'batch_number' => 17,
    'status_flag' => 2,    // 可能是单个字符或空白
    'quantity' => 10,
    'details_long' => 186, // 这是一个较长的详细信息字段
    'product_category' => 10
];

// 5. 构建 unpack 格式字符串
$unpackFormats = [];
foreach ($fieldsDefinition as $name => $length) {
    $unpackFormats[] = 'A' . $length . $name;
}
$unpackString = implode('/', $unpackFormats);

// 6. 逐行解析数据
$parsedData = [];
foreach ($rawLines as $lineNumber => $line) {
    // 确保行长度足够，避免unpack警告
    // 实际应用中，如果行长不符合预期，可能需要更复杂的错误处理
    if (strlen($line) < array_sum($fieldsDefinition)) {
        echo "警告：第 " . ($lineNumber + 1) . " 行长度不符合预期，可能被截断或解析错误。\n";
        // 可以选择跳过此行或填充空白
        // $line = str_pad($line, array_sum($fieldsDefinition), ' ');
    }

    $parsedLine = unpack($unpackString, $line);

    // unpack 返回的数组键可能包含额外的数字索引，这里只保留命名的键
    $cleanParsedLine = [];
    foreach ($fieldsDefinition as $name => $length) {
        $cleanParsedLine[$name] = trim($parsedLine[$name]); // 移除字段前后的空白，根据需求决定是否保留
    }
    $parsedData[] = $cleanParsedLine;
}

// 调试输出解析结果（可选）
// var_dump($parsedData);

// 7. 导出到CSV文件
$exportFile = fopen($outputCsvFile, "w");

if ($exportFile === false) {
    die("错误：无法创建输出文件 '{$outputCsvFile}'。\n");
}

// 写入CSV头部（字段名）
fputcsv($exportFile, array_keys($fieldsDefinition), "|");

// 写入数据行
foreach ($parsedData as $row) {
    fputcsv($exportFile, $row, "|"); // 使用管道符 "|" 作为分隔符
}

// 关闭文件句柄
fclose($exportFile);

echo "数据已成功从 '{$inputFile}' 导出到 '{$outputCsvFile}'，使用 '|' 作为分隔符。\n";

?>

代码解释：

1. 文件路径定义： $inputFile 和 $outputCsvFile 分别指定了输入和输出文件的路径。
2. 文件读取： file($inputFile, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES) 函数用于读取整个.out文件。FILE_IGNORE_NEW_LINES 避免在每行末尾包含换行符，FILE_SKIP_EMPTY_LINES 跳过空行。
3. 字段定义 ($fieldsDefinition)： 这是一个关联数组，其键是自定义的字段名，值是该字段在每条记录中的精确字符长度。这是整个解析过程中最关键且需要手动配置的部分。 任何长度的偏差都可能导致数据解析错误。
4. 构建unpack格式字符串： 脚本遍历 $fieldsDefinition 数组，为每个字段生成 A{长度}{字段名} 格式，然后使用 / 将它们连接起来，形成 unpack 函数所需的完整格式字符串。
5. 逐行解析： 脚本遍历从.out文件读取的每一行。对于每行，它调用 unpack($unpackString, $line) 来解析数据。unpack返回一个关联数组，其中包含以字段名作为键的解析值。
   • trim($parsedLine[$name])：在将数据添加到 $cleanParsedLine 之前，使用 trim() 函数移除了字段值前后的空白字符。这对于那些空白仅作为填充而非实际数据的情况很有用。如果空白代表NULL值或有其他语义，则应根据具体需求决定是否保留。
6. 导出到CSV：
   • fopen($outputCsvFile, "w") 以写入模式打开一个CSV文件。
   • fputcsv($exportFile, array_keys($fieldsDefinition), "|") 首先写入CSV文件的头部，即所有字段的名称。
   • fputcsv($exportFile, $row, "|") 遍历解析后的数据 $parsedData，将每一行数据以管道符 | 作为分隔符写入CSV文件。
   • fclose($exportFile) 关闭文件句柄。

导出到SQL文件（扩展）

虽然上述代码直接导出了CSV，但将其扩展为导出SQL文件也是可行的。在解析数据之后，你可以遍历 $parsedData 数组，为每一行数据生成一条 INSERT 语句。

示例代码片段（在CSV导出之后添加）：

注意事项：

• SQL转义： 在生成SQL语句时，务必对数据进行适当的SQL转义（例如使用 mysqli_real_escape_string 或 PDO 的预处理语句），以防止SQL注入攻击。
• 数据类型： unpack 默认将所有字段解析为字符串。在生成SQL时，如果目标数据库字段是数值、日期等类型，你需要根据实际需求进行PHP端的数据类型转换。
• 数据库连接： 上述SQL导出示例中，mysqli_real_escape_string 需要一个数据库连接。在实际应用中，你可能需要在脚本顶部建立一个临时的数据库连接，或者使用其他不依赖连接的转义函数（如 addslashes，但安全性较低）。

注意事项与最佳实践

1. 精确定义字段长度： 这是固定宽度数据解析的基石。任何一个字段的长度定义错误都可能导致后续所有字段的解析错位。务必仔细核对数据字典或样本数据，确保 $fieldsDefinition 数组的准确性。
2. 处理空白字符： 明确空白字符在你的数据中是作为填充还是代表实际的NULL值。如果空白是填充，使用 trim() 是合适的。如果空白表示NULL，则不应 trim()，而应在后续处理中将其转换为数据库的NULL或其他特定值。
3. 错误处理： 脚本中加入了文件是否存在、文件读取失败、行长度不匹配等基本的错误检查。对于生产环境，应考虑更健壮的错误日志记录和异常处理机制。
4. 内存管理： 对于非常大的.out文件，file() 函数会将整个文件加载到内存中。如果文件大小达到GB级别，这可能导致内存耗尽。此时，可以考虑逐行读取文件（例如使用 fgets 配合 while (!feof($file)) 循环），而不是一次性加载所有行。
5. 数据类型转换： unpack 函数将所有字段都作为字符串返回。如果你的数据包含数字、日期、布尔值等，你需要在解析后进行显式的数据类型转换，以便在导出到数据库或进行进一步分析时保持数据完整性。
6. 代码可维护性： 将字段定义放在脚本顶部，使其易于查找和修改。为字段选择有意义的名称，提高代码可读性。

总结

通过PHP的unpack函数，我们可以有效地解析无分隔符的固定宽度数据文件。结合文件读取和CSV/SQL写入功能，可以构建一个强大的数据转换工具。关键在于准确地定义每个固定宽度字段的名称和长度，并根据具体需求处理空白字符和数据类型转换。掌握这一技术，将使你在处理传统数据格式时更加得心应手。