Muchas gracias, es verdaderamente increíble el potencial de Perl, lo vuelvo a decir, porque la última solución que has propuesto me ha dejado de nuevo impresionado.

Disculpa si te haya consultado esas cosas en vez de buscarlas por mi mismo, pero no creas que es fácil de "googlear" $_ por ejemplo, al ser una única letra es muy difícil que los buscadores lo admitan en su búsqueda, incluso tras tu ayuda he ido a http://perldoc.perl.org/perlvar.html ( "perldoc perlvar" ) y he puesto en su buscador $_ pero no aparece nada.

Claro que luego he seguido leyendo abajo y efectivamente explica muy bien cómo Perl interpreta la variable de entrada $_.

Muchas gracias de nuevo.

Hola,

Mientras probaba varias opciones con la línea de comandos de Perl similares a los ejemplos expuestos, algo así:



aunque no tenía que ser necesariamente ese formato, también valen otros como este:



La cuestión es que fuera cual fuera el formato, siempre que encuentra una línea en blanco se para.

Es decir siempre que encuentra una línea que no contiene ningún otro carácter aparte del "salto de carro", deja de procesar el archivo.

¿Esto es normal? ¿me equivoco en algo?

Quizás el problema esté en el -00 (modo "slurp"). No sé, no lo he probado.

Una solución sería asegurarse de que se lee todo el fichero de golpe, una sola vez:

Como siempre ¡das en la tecla! Muchas gracias XD

Una preguntas más, para rizar el rizo, sino te importa.

¿Cómo puedo recortar tags de xml que sean mayores a un tamaño, por ejemplo 254 caracteres?

Podrías hacerlo con el cuantificador {254,} que buscará coincidencias de 254 o más caracteres. Y, en ese caso, lo sustituimos por nada (lo quitamos). La palabra "recortar", habría que explicarla mejor.

P.D. Estamos en el foro Intermedio.

Hola de nuevo.

Bueno a ver si me voy aclarando.

He construido una sentencia de cambio de texto de varias maneras pero no consigo eliminar las etiquetas con más de 254 caracteres, este es un ejemplo:


El problema es que mide el tamaño entre la primera etiqueta "Motivos" y la última etiqueta "Motivos" del XML. En vez de ir etiqueta por etiqueta.

Creo que no lo estoy poniendo en el sitio correcto o me falta algún comando.

Cambia

{200,}

por

{200,}?

Ya lo intenté antes pero me cambia todas las etiquetas independientemente de su longitud.

O me las cambia todas, o no me cambia ninguna, o me cambia una desde la primera etiqueta del XML hasta la última.

Pero no consigo que según la longitud de la etiqueta la sustituya o no.

Por cierto entiendo que el punto que has puesto es gramatical y no de Perl.



Te muestro la línea completa: realizo 3 cambios; primero le pongo salto de carro a todos; luego elimino "imagen" y finalmente quisiera eliminar "motivos" demasiados largos.

De nuevo, muchas gracias por tu atención.

En efecto, el '.' es gramatical, así que, en tu línea, sobra.

Sí, sí, ya lo sé, es que copié mal el código, lo he probado de todas formas imaginables (excepto la buena, ¡je,je!).

La solución que muestras cambia las etiquetas independientemente de su longitud, aunque le ponga longitud 200 y el campo solo tenga 15 caracteres. Lo único que hace es empezar a buscar a partir del carácter 200 o el que le pongas en .{200,}?

Voy a intentar ser más preciso en mi ejemplo.

Si ejecuto:


Me cambia:

por esto:


En el XML original hay 181 marcas o tags <tns:Motivos> mientras que en el texto convertido hay 98 (casi la mitad).

En el texto convertido también hay 98 <tns:Motivos>texto demasiado largo</tns:Motivos>; eso significa que los ha convertido todos sin excepción.

NOTA: He dejado el tag </tns:SuspensoFondoLey17Marca> para que sea fácil identificar qué ha cambiado.

El problema parece ser que casi siempre los <tns:Motivos> van precedidos por una <tns:Motivos> que es como un título pequeño. Parece que busca a partir del carácter 200; así pues, salta al siguiente <tns:Motivos> y lo cambia por todo, eliminando un tag completo del XML.

Ese es mi problema, disculpa sino lo aclaré bien.

Sí, no es tan obvia la solución... no era correcta la que te he dado...

Si ponemos

.{200,}?

intentará buscar 200 caracteres, como mínimo, antes de alcanzar el patrón que le sigue (la marca de final de <tns:Motivos>).

El problema es que el comodín '.' busca todos los caracteres, incluido los caracteres que forman las propias marcas <tns:Motivos>. Por eso, en los casos en los que tenemos menos de 200 caracteres (como los títulos), el comodín se "come" todo lo que pille, pasando por encima de las marcas de cierre.

La solución es indicar, expresamente, que no queremos que entre esos 200 caracteres, se encuentre la marca de cierre.

Dado este fichero:

con este programa:

sale

Ahora ya está bien.

Además, los paréntesis de captura de las líneas 17 y 23 los puedes usar para tener en $2 el texto capturado (los 200 caracteres, como mínimo). Si no te interesa esa captura, puedes cambiar la línea 17 por

y ya no habrá captura (el programa irá un poco más rápido).