PHP从文本文件解析数据并生成带汇总行的HTML表格教程

本教程详细讲解如何使用PHP从特定格式的文本文件中读取、解析数据,并将其动态渲染成一个带有详细记录和底部汇总统计行的HTML表格。内容涵盖文件操作、字符串解析、数据聚合(如计算唯一值、总和、最常见项和平均值)以及HTML表格的构建,旨在提供一个清晰实用的数据展示解决方案。

1. 概述与数据源格式

在web开发中,经常需要从非数据库的数据源(如文本文件)中读取信息并以结构化的方式展示。本教程将以一个常见的场景为例:从一个包含员工信息的文本文件(name.txt)中读取数据,并将其展示为一个html表格。更进一步,我们不仅展示每条详细记录,还将在表格底部添加一行汇总统计数据,包括唯一姓名数量、总薪资、最常见的城市和平均年龄。

我们的数据源文件name.txt中的每一行都遵循key:value,key:value,...的格式,例如:

name:Ivan,Salary:5000,town:Sofia,age:20
name:Pesho,Salary:1500,town:Pleven,age:19
...

2. 数据解析与存储

要实现表格的动态生成和汇总统计,我们需要逐行读取文件,解析每行数据,并将其存储到合适的PHP数组中,以便后续处理。

2.1 文件读取与行解析

使用fopen()打开文件,feof()判断文件是否结束,fgets()逐行读取。对于每一行,我们首先使用explode(',', $string)将其按逗号分割成键值对字符串,然后对每个键值对再使用explode(':', $val)按冒号分割成键和值。为了数据清洗,务必使用trim()去除值两端的空白字符。

2.2 收集数据以供汇总

在遍历文件并输出每行详细数据的同时,我们需要将每条记录中的关键数据(如姓名、薪资、城市、年龄)分别收集到独立的数组中。这是实现汇总统计的关键步骤,因为统计计算需要所有相关数据集合。

<?php

$file = fopen('name.txt', "r"); // 打开数据文件

// 用于存储所有数据的数组,以便后续进行汇总计算
$names = [];
$cities = [];
$salaries = [];
$ages = [];

echo ""; // 开始HTML表格
echo ""; // 表格头部

while (!feof($file)) { // 循环读取文件直到末尾
    $string = fgets($file); // 读取一行
    if (trim($string) === '') { // 跳过空行
        continue;
    }

    $finalArray = []; // 用于存储当前行解析后的数据

    $asArr = explode(',', $string); // 按逗号分割键值对
    foreach ($asArr as $val) {
        $tmp = explode(':', $val, 2); // 按冒号分割键和值,限制分割次数为2以防值中包含冒号
        if (count($tmp) === 2) {
            $key = trim($tmp[0]);
            $value = trim($tmp[1]);
            $finalArray[$key] = $value;
        }
    }

    // 确保所有预期字段都存在,并获取其值
    // 使用 null coalescing operator (??) 确保即使字段缺失也不会报错
    $name = $finalArray['name'] ?? '';
    $salary = (int)($finalArray['Salary'] ?? 0); // 薪资转换为整数
    $city = $finalArray['town'] ?? '';
    $age = (int)($finalArray['age'] ?? 0); // 年龄转换为整数

    // 将当前行的数据添加到各自的收集数组中
    $names[] = $name;
    $salaries[] = $salary;
    $cities[] = $city;
    $ages[] = $age;

    // 输出当前行的详细数据到表格
    echo '';
    echo '';
    echo '';
    echo '';
    echo '';
    echo '';
}

// 文件读取完毕,关闭文件句柄
fclose($file);

?>

3. 生成汇总统计行

在所有数据行都已输出并且数据收集完毕后,我们就可以对收集到的数组进行统计计算,并将其作为表格的最后一行输出。

3.1 统计计算方法

  • 唯一姓名数量: 使用array_unique()去除重复姓名,然后用count()计算唯一元素的数量。
  • 总薪资: 使用array_sum()直接计算所有薪资的总和。
  • 最常见城市: 使用array_count_values()统计每个城市出现的次数,然后用max()找到最大出现次数,再用array_search()找出对应最大次数的城市。
  • 平均年龄: 使用array_sum()计算所有年龄的总和,然后除以count()得到的总人数。为了得到整数结果,可以进行类型转换(int)。

3.2 输出汇总行

将计算出的统计值作为新的

中的

'; echo ''; echo ''; echo ''; echo ''; echo ''; echo "
Name Salary Town Age
' . htmlspecialchars($name) . '' . htmlspecialchars($salary) . '' . htmlspecialchars($city) . '' . htmlspecialchars($age) . '
元素输出。

<?php
// ... (接上一段代码)

// 计算汇总统计数据
$countOfUniqueNames = count(array_unique($names)); // 唯一姓名数量
$sumOfAllSalaries = array_sum($salaries); // 总薪资

$citiesCount = array_count_values($cities); // 统计每个城市出现的次数
$maxVal = 0;
$mostCommonCity = 'N/A';
if (!empty($citiesCount)) {
    $maxVal = max($citiesCount); // 最多出现的次数
    $mostCommonCity = array_search($maxVal, $citiesCount); // 对应最多次数的城市
}


$averageAges = 0;
if (!empty($ages)) {
    $averageAges = (int)(array_sum($ages) / count($ages)); // 平均年龄
}


// 输出汇总行
echo '
唯一姓名数: ' . htmlspecialchars($countOfUniqueNames) . '总薪资: ' . htmlspecialchars($sumOfAllSalaries) . '最常见城市: ' . htmlspecialchars($mostCommonCity) . '平均年龄: ' . htmlspecialchars($averageAges) . '
"; // 结束HTML表格 ?>

4. 完整代码示例

将上述所有代码片段组合起来,形成一个完整的PHP脚本。

<?php

// 假设 name.txt 文件内容如下:
// name:Ivan,Salary:5000,town:Sofia,age:20
// name:Pesho,Salary:1500,town:Pleven,age:19
// name:Gosho,Salary:2000,town:Varna,age:18
// name:Georgi,Salary:3000,town:Pleven,age:46
// name:Ivailo,Salary:6000,town:Pleven,age:25
// name:Stamat,Salary:7000,town:Varna,age:46
// name:Aleksandar,Salary:1500,town:Burgas,age:44
// name:Kiko,Salary:5000,town:Plovdiv,age:25
// name:Misho,Salary:5250,town:Sofia,age:24
// name:Daniel,Salary:3000,town:Plovdiv,age:34
// name:John,Salary:6000,town:Pleven,age:50
// name:Ana,Salary:9000,town:Sofia,age:18
// name:Maria,Salary:9500,town:Sofia,age:30
// name:Marian,Salary:9500,town:Sofia,age:20
// name:Petko,Salary:9500,town:Sofia,age:19
// name:Nikola,Salary:9500,town:Sofia,age:45
// name:Ani,Salary:9500,town:Sofia,age:47

$filePath = 'name.txt';

// 检查文件是否存在且可读
if (!file_exists($filePath) || !is_readable($filePath)) {
    die("错误:文件 '$filePath' 不存在或无法读取。");
}

$file = fopen($filePath, "r");
if (!$file) {
    die("错误:无法打开文件 '$filePath'。");
}

// 用于存储所有数据的数组,以便后续进行汇总计算
$names = [];
$cities = [];
$salaries = [];
$ages = [];

echo "


    
    员工数据统计
    
        table {
            width: 100%;
            border-collapse: collapse;
        }
        th, td {
            border: 1px solid #ddd;
            padding: 8px;
            text-align: left;
        }
        th {
            background-color: #f2f2f2;
        }
        tr:last-child {
            font-weight: bold;
            background-color: #e0e0e0;
        }
    

";

echo "

员工信息及统计

"; echo ""; echo ""; echo ""; echo ""; echo ""; while (!feof($file)) { $string = fgets($file); if ($string === false) { // 检查 fgets 是否返回 false (文件读取错误或结束) break; } $string = trim($string); // 去除行尾空白符和换行符 if ($string === '') { // 跳过空行 continue; } $finalArray = []; $asArr = explode(',', $string); foreach ($asArr as $val) { $tmp = explode(':', $val, 2); // 限制分割次数为2,以防值中包含冒号 if (count($tmp) === 2) { $key = trim($tmp[0]); $value = trim($tmp[1]); $finalArray[$key] = $value; } } // 从解析后的数组中提取数据,并进行类型转换和默认值处理 $name = $finalArray['name'] ?? ''; $salary = (int)($finalArray['Salary'] ?? 0); // 薪资确保为整数 $city = $finalArray['town'] ?? ''; $age = (int)($finalArray['age'] ?? 0); // 年龄确保为整数 // 将当前行的数据添加到各自的收集数组中 $names[] = $name; $salaries[] = $salary; $cities[] = $city; $ages[] = $age; // 输出当前行的详细数据到表格 echo ''; echo ''; echo ''; echo ''; echo ''; echo ''; } fclose($file); // 关闭文件句柄 // 计算汇总统计数据 $countOfUniqueNames = count(array_unique($names)); $sumOfAllSalaries = array_sum($salaries); $citiesCount = array_count_values($cities); $mostCommonCity = 'N/A'; if (!empty($citiesCount)) { $maxVal = max($citiesCount); $mostCommonCity = array_search($maxVal, $citiesCount); } $averageAges = 0; if (!empty($ages)) { $averageAges = (int)(array_sum($ages) / count($ages)); } // 输出汇总行 echo ''; echo ''; echo ''; echo ''; echo ''; echo ''; echo ""; echo "
姓名 薪资 城市 年龄
' . htmlspecialchars($name) . '' . htmlspecialchars($salary) . '' . htmlspecialchars($city) . '' . htmlspecialchars($age) . '
唯一姓名数: ' . htmlspecialchars($countOfUniqueNames) . '总薪资: ' . htmlspecialchars($sumOfAllSalaries) . '最常见城市: ' . htmlspecialchars($mostCommonCity) . '平均年龄: ' . htmlspecialchars($averageAges) . '
"; echo " "; ?>

5. 注意事项与最佳实践

  • 错误处理: 在实际应用中,应增加更健壮的错误处理,例如检查fopen()是否成功,以及fgets()是否返回false。本教程的代码已包含文件存在性检查。
  • 数据清洗与验证: trim()函数对于去除从文件中读取的字符串中的空白字符至关重要。对于数值类型的数据(如薪资和年龄),应进行类型转换(intval()或(int))以确保计算的准确性。
  • HTML转义: 在将数据输出到HTML中时,始终使用htmlspecialchars()函数来防止跨站脚本(XSS)攻击,即使是来自内部文件的数据也应遵循此原则。
  • 代码可读性: 使用有意义的变量名,添加注释,并保持代码结构清晰,有助于理解和维护。
  • 性能考量: 对于非常大的文件,一次性将所有数据加载到内存中可能会导致性能问题。在这种情况下,可以考虑使用生成器(PHP 5.5+)或更复杂的流式处理方法。但对于本示例中的文件大小,当前方法是高效且易于理解的。
  • 数据结构选择: 根据具体需求选择合适的数据结构。这里使用独立的数组来收集姓名、薪资等,是为了方便后续的聚合函数操作。如果需要更复杂的数据关联,可能需要构建一个包含所有记录的数组对象。

6. 总结

本教程详细演示了如何使用PHP从结构化的文本文件中读取、解析数据,并将其动态呈现在一个HTML表格中。通过在数据读取过程中同步收集必要信息,我们成功地在表格底部添加了有用的汇总统计行。这种模式在处理日志文件、CSV文件或其他自定义格式数据时非常实用,为数据展示和初步分析提供了便捷的解决方案。

以上就是PHP从文本文件解析数据并生成带汇总行的HTML表格教程的详细内容,更多请关注骃骐网【www.myinqi.com】。

相关推荐:

Python内置函数有哪些_常用BIF如len/max/min/sum汇总

Python内置函数是类型协议的快捷入口,如len()调用__len__()、max()依赖__iter__()和比较方法,理解此机制可避免参数类型错误与兼容性问题。 Python内置函数不是“功能列表”,而是“类型协议的快捷入口” Python的内置函数(BIF)绝大多数不是独立实现的逻辑,而是对对象__len__、__iter__、__lt__等特殊方法的统一调用封装。比如len(x)实际触发...

高效处理数百个大文本文件并逐行计算平均值的完整教程

本文介绍如何使用 Dask 替代 NumPy + 原生 Python 方案,高效处理 300 个、各含约 900 万整数的 .txt 文件,实现毫秒级逐行平均(共 900 万行),避免内存爆炸与 I/O 瓶颈。 本文介绍如何使用 dask 替代 numpy + 原生 python 方案,高效处理 300 个、各含约 900 万整数的 `.txt` 文件,实现毫秒级逐行平均(共 900 万行),避免...

高效处理海量文本文件并逐行计算平均值的 Python 教程

本文介绍如何使用 dask 替代传统 numpy + 文件循环方案,对数百个大文本文件(总计约 900 万行)进行逐行平均值计算,在 10–12 秒内完成,显著提升 i/o 与内存效率。 本文介绍如何使用 dask 替代传统 numpy + 文件循环方案,对数百个大文本文件(总计约 900 万行)进行逐行平均值计算,在 10–12 秒内完成,显著提升 i/o 与内存效率。 在科学计算与数据预处理中...

如何高效计算数百个大文本文件每行的平均值

本文介绍使用 dask 并行处理 300 个、各约 30mb 的纯数字文本文件,按行逐行求跨文件平均值(即第1行所有文件的值取均值,第2行同理),在数十秒内完成,远超传统 numpy 串行方案。 本文介绍使用 dask 并行处理 300 个、各约 30mb 的纯数字文本文件,按行逐行求跨文件平均值(即第1行所有文件的值取均值,第2行同理),在数十秒内完成,远超传统 numpy 串行方案。 处理海量...

如何用Python自动从PDF报表中提取表格数据_使用camelot-py库精准识别

camelot-py默认提取PDF表格不可靠,因其lattice模式依赖显式边框、stream模式易受页眉页脚干扰,且不返回坐标与置信度;需结合pdfplumber定位区域,混合flavor、手动设table_areas和columns,并校验accuracy、空值及可视化覆盖。 camelot-py 能提取 PDF 表格,但默认设置下极易漏行、错列、吞空格,尤其对带合并单元格、浅色边框或扫描件(...

Python如何实现对大型文本文件的逐行倒序读取_结合os.seek与buffer

不能直接用 reversed(open(...)),因为文件对象不支持索引且未实现 __reversed__,会报 TypeError;需用 os.seek() 从末尾反向扫描换行符来逐行倒序读取。 为什么不能直接用 reversed(open(...)) 因为 reversed() 要求对象实现 __reversed__ 或支持索引,而文件对象既不支持随机索引,也不把整个文件加载进内存——所以直...

如何从分号分隔的文本文件中解析公司名称与营收数据并找出总营收最高的公司

本文详解如何读取含公司名与多期营收的文本文件,将每行按分号拆分为结构化数据,计算各公司总营收,并准确返回营收最高的公司名称及数值。 本文详解如何读取含公司名与多期营收的文本文件,将每行按分号拆分为结构化数据,计算各公司总营收,并准确返回营收最高的公司名称及数值。 在处理结构化文本数据(如以分号 ; 分隔的公司营收记录)时,关键在于正确解析每行、分离元数据(公司名)与数值数据(各期营收),并进行聚合...

如何从分号分隔的文本文件中提取公司名称与营收数据并找出总营收最高的公司

本文详解如何解析含公司名和多期营收的分号分隔文本文件,将每行拆分为公司名与数字列表,计算各公司总营收,并准确返回最高营收公司及其总额。 本文详解如何解析含公司名和多期营收的分号分隔文本文件,将每行拆分为公司名与数字列表,计算各公司总营收,并准确返回最高营收公司及其总额。 在处理结构化文本数据(如每行代表一家公司、字段以分号;分隔)时,关键在于正确拆分、类型转换与聚合计算。原始问题中,输入文件每行格...

JavaScript:动态生成表格并计算列总和

本文档旨在指导初学者使用 JavaScript 动态生成 HTML 表格,并计算每列的总和,最后将总和添加到表格的底部作为新的一行。通过本文,你将学习如何使用 JavaScript 操作 DOM 元素,创建表格,以及进行简单的数值计算。 动态生成表格并计算列总和 在 Web 开发中,经常需要动态生成表格并进行一些计算。本教程将演示如何使用 JavaScript 创建一个表格,该表格根据用户输入的数...

使用 JavaScript 在表格中添加列总和行

本文将指导你如何使用 JavaScript 动态生成 HTML 表格,并在表格底部添加一行,用于显示每一列的总和。通过修改现有的表格生成函数,我们将在循环中计算每一列的总和,并在表格生成完毕后,将总和添加到表格的最后一行。 计算并显示表格列总和 首先,我们需要修改现有的 tablica() 函数,以便在生成表格的同时计算每一列的总和。我们将创建三个变量 sum1、sum2 和 sum3 来分别存储...