问题描述
我有一个子图数据库,如下所示:
t # 3-231,1
v 0 94
v 1 14
v 2 16
v 3 17
u 0 1 2
u 0 2 2
u 0 3 2
t # 3-232,1
v 0 14
v 1 94
v 2 19
v 3 91
u 0 1 2
u 0 3 2
u 1 2 2
t # 3-233,1
v 0 17
v 1 91
v 2 16
v 3 94
u 0 1 2
u 0 3 2
u 1 2 2
t # 3-234,1
v 0 90
v 1 93
v 2 102
v 3 95
u 0 1 2
u 0 3 2
u 1 2 2
我想检索包含以下模式的所有交易:'u 0 1 2'和'u 0 2 2'以及交易ID(例如,行以t#开头)。
我使用以下代码来完成这项工作:
#!/usr/bin/perl -w
use strict;
my $input = shift @ARGV or die $!;
open (FILE,"$input") or die $!;
while (<FILE>) {
my @fields = ('t','u\ 0\ 1','u\ 0\ 2');
my $field_regex = join( "|",@fields );
my @field_lines;
push( @field_lines,$_ ) if ( /^(?:$field_regex) / );
last if @field_lines == @fields;
push @field_lines,"";
print join( "\n",sort @field_lines );
}
close FILE;
但是,当只有一行匹配时,它将检索模式,例如:
t # 3-231,1
u 0 1 2
u 0 2 2
t # 3-232,1
u 0 1 2
t # 3-233,1
u 0 1 2
我的最终目标是检索与我的正则表达式完全匹配的交易,例如
t # 3-231,1
u 0 1 2
u 0 2 2
谢谢您的帮助!
Olha
解决方法
一种方法:保留当前的交易ID,并将感兴趣的行存储在与该交易ID密钥关联的arrayref中的哈希中。
use warnings;
use strict;
use feature 'say';
use Data::Dump qw(dd);
my @fields = ('u 0 1','u 0 2');
my $field_regex = join '|',map { quotemeta } @fields;
my (%trans,$tid);
while (<>) {
chomp;
if (/^t #/) {
$tid = $_;
next;
}
push @{$trans{$tid}},$_ if /$field_regex/;
}
dd %trans;
# foreach my $tid (sort keys %trans) {
# say $tid;
# say for @{$trans{$tid}};
# }
为简化起见,我使用while (<>)
逐行读取调用程序时命令行中给定的所有文件(或STDIN
)。我使用Data::Dump
来显示复杂的数据结构;核心是Data::Dumper
。
qotemeta会转义所有ASCI非“ word”字符,这些字符可能会抛出正则表达式,并且其中包括空格。
上面的程序通常会从文件中丢失事务ID的顺序,因为哈希键是无序的,而由于每个ID在数组中,因此它会保留每个ID的行顺序。如果需要,这并不难补救。
仅使用提供的数据文件进行了测试。
,通过将文件内容视为块而不是行,可以最轻松地处理这种模式。
这是一个简单的示例(包含您的数据):
use strict;
my $big_string;
my $trans;
my $block;
open my $fh,'<','/tmp/file.txt' or die "Can't open file $!";
$big_string = do { local $/; <$fh> };
while ($big_string=~/^(t\h*#\h*[0-9,\h-]+[\s\S]*?(?=(?:^t\h*#\h*[0-9,\h-]+)|\z))/mg) {
$block=$1;
$trans=$1 if $block=~/^(t\h*#\h*[0-9,\h-]+)/;
if ($block=~/^(u\h+0\h+[12]\h+2)/m){
print "$trans\n";
for ($block=~/^(u\h+0\h+[12]\h+2)/mg) {
print "$1\n";
}
}
}
打印:
t # 3-231,1
u 0 2 2
u 0 2 2
t # 3-232,1
u 0 1 2
t # 3-233,1
u 0 1 2
t # 3-234,1
u 0 1 2
这假设您的数据很容易放入内存。如果没有,那么还有很多方法可以逐块读取文件。
如果只希望与第二个正则表达式具有多个匹配项的块:
while ($big_string=~/^(t\h*#\h*[0-9,\h-]+)/;
@matches=$block=~/^(u\h+0\h+[12]\h+2)/mg;
if (scalar @matches >1) {
print "$trans\n";
print join "\n",@matches;
}
}
打印:
t # 3-231,1
u 0 1 2
u 0 2 2
当然还有TIMTOWDI:
my @result = do{ local @_ = split(/^(t\h+#[\h\d,-]+)/m,$big_string);
@_[1..$#_]};
for my $i (0 .. @result/2-1) {
@matches=$result[2*$i+1]=~/^(u\h+0\h+[12]\h+2)/mg;
if (scalar @matches>1){
print "$result[2*$i]\n";
print join("\n",@matches);
}
}
t # 3-231,1
u 0 1 2
u 0 2 2
,
perl -lne '@h=($_) if /^t #/; push @h,$_ if /^u 0 [12] 2/; if (@h==3) { print shift @h while @h }' file
重置并保持交易行;追加匹配行;如果您累积了3行,请打印并重置。