最近同事需要对一份报告进行整理，一共有80个报告约9000多行放在一个txt文件中。虽然每份报告的格式比较类似，但其中部分字段对应的数量依旧会有差别。所以真要靠人工来做，无疑会是一件费时费力的并且是很枯燥的工作。据说如果有了这个程序，可以减少60%的工作量！那么为了我以后的下午茶，自然应该去尝试一下不是么？
不过既然是费时费力又枯燥的工作，自然就应该交给代码去解决。毕竟，我坚信任何的科学技术就是为了让人类偷懒而存在的。那么就先切入正题，先上GitHub的项目地址。欢迎批评指点。
GitHub项目：report-maker
项目分析
既然准备要上代码了，作为一个狂热的前端爱好者，自然首选Node.js了。这一个项目主要的目的就是将txt文件中的内容按照一定的规则转化为固定格式的表格并导出为Excel。那么重点就可以分为下面两步了。
- Excel文件的生成
- txt内容的整理
1. Excel文件的生成
Excel文件自然是寻找可以依赖的模块了（毕竟我自己写不出来）。找了一圈，发现js-xlsx这一个模块。虽然看起来很复杂，但其实只要提供好表头和内容就可以，其余只是对于内容数据整理的固定模板。
相关教程可以参考下面这篇，讲的比较详细所以这里就不多做赘述了。
参考教程：使用node-xlsx进行excel文件的读写
2. txt内容的整理
解决了Excel导出的问题（不然就得换Py了呢），文档内容的整理便是这个项目最重要的问题了。最终整理的表格样式以及需要抽出的项目内容已经和同事确认过了。那么接下来就是如何整理了一个有着80个长短不一报告的文件了。
首先来看看文件的格式，整个文件的格式类似于下面这样。
Policy Name: policyName1
……省略中间内容……
Policy Type: Standard (0)
……省略中间内容……
Client/HW/OS/Pri/CIT: Client1
Client/HW/OS/Pri/CIT: Client2
Client/HW/OS/Pri/CIT: Client3
Client/HW/OS/Pri/CIT: Client4
……省略多个Client
Include: /dir1
Include: /dir2
Include: /dir3
……省略多个Include
Schedule: Schedule1
Type：
……
Schedule: Schedule2
Type：
……
……省略多个Schedule
Policy Name: policyName2
……省略中间内容……
……
可以看出，每一个段落是以Policy Name为分界的。那么，利用fs.readFile将完整的文件读取进来，作为一个字符串使用split方法进行切割。具体代码如下:
fs.readFile(filePath, 'UTF-8', function (err, data) {
if (err) throw err;
// 对文件读取的数据进行处理，首先用 policyName 进行切割
var policyLists = data.split(config.splitRules.policyName);
if (policyLists[0] === '\r\n') {
policyLists.shift();
};
然后针对数组中每一个元素(一个段落)根据之前文件中所需要项目，使用正则表达式切提取出所需要的内容，然后将提取出的内容组成所需要的数据结构，具体代码如下。其中schedule项目中内容也并非在一行中，所以也同样使用上面的方法进行切割。而对于其他的项目，则通过正则表达式来进行内容的获取。
policyLists.forEach(function (policy) {
var policyData = policyFormatter(config.splitRules.policyName + policy);
excelData.push(policyData);
});
/**
* 对每一个policy进行整理 使其符合表格插入的形式
* @param {*} policy
* {
* policyName: String
* client: []]
* policyType: String
* include: []
* schedule[]
* scheduleResidence: String
* }
*
*/
function policyFormatter(policy) {
var policyNameMatcher = new RegExp(config.splitRules.policyName + "([\\s\\w\\d\\-]*)\\r\\n"),
clientMatcher = new RegExp(config.splitRules.client + "([\\s\\w\\d\\?\\-\\.]*)\\r\\n", "g"),
policyTypeMatcher = new RegExp(config.splitRules.policyType + "([\\s\\w\\d\\(\\)\\-]*)\\r\\n"),
includeMatcher = new RegExp(config.splitRules.include + "([\\s/\\w\\.\\\\:_\\?=\\\"\\*]*)\\r\\n", "g");
var scheduleLists = policy.split(config.splitRules.schedule).slice(1),
scheduleFormatLists = [],
scheduleResidenceMatcher = new RegExp(config.splitRules.scheduleResidence + "([\\s\\w\\d\\-\\(\\)]*)\\r\\n");
scheduleLists.forEach(function (schedule) {
var scheduleFormat = config.splitRules.schedule + schedule;
scheduleFormatLists.push(scheduleFormat);
});
// console.log(scheduleFormatLists);
var results = {
policyName: policy.match(policyNameMatcher)[1].trim(),
client: policy.match(clientMatcher) ? policy.match(clientMatcher).join('').trim() : '',
policyType: policy.match(policyTypeMatcher)[1].trim(),
include: policy.match(includeMatcher).join('').trim(),
schedule: scheduleFormatLists.join('').trim(),
scheduleResidence: scheduleLists[0].match(scheduleResidenceMatcher)[1].trim()
};
// console.dir(results);
return results;
}
主要逻辑处理完以后，把收集到的内容传给excel处理模块，导出成文件就能解决问题了。
不过似乎最终如果能导出为Word，似乎更好。看来还有新的改进空间还留着呢。
