[英]retrieve patterns that exactly match all regex in Perl
我有一个如下所示的子图数据库:
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事务:“u 0 1 2”和“u 0 2 2”以及事务 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,它会检索模式,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
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事务,例如
t # 3-231, 1
u 0 1 2
u 0 2 2
谢谢您的帮助!
奥尔哈
一种方法:保留当前的事务 ID,并将感兴趣的行存储在与 hash 中的事务 ID 键关联的数组引用中。
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}};
# }
为了简单起见,我使用while (<>)
在调用程序(或STDIN
)时逐行读取命令行上给出的所有文件。 我使用Data::Dump
来展示一个复杂的数据结构; 为此,核心中有Data::Dumper
。
qotemeta转义所有 ASCI 非“单词”字符,这些字符可能会抛出正则表达式,其中包括空格。
上面的程序通常会丢失文件中事务 ID 的顺序,因为 hash 键是无序的,而它保持每个 id 的行顺序,因为它们在数组上。 如果需要,这并不难补救。
仅使用提供的数据文件进行测试。
通过将文件内容视为块而不是行来最容易处理这种类型的模式。
这是一个简单的示例(使用您的数据):
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 "$1\n";
}
}
}
印刷:
t # 3-231, 1
u 0 2 2
u 0 2 2
t # 3-232, 1
u 0 1 2
t # 3-233, 1
u 0 1 2
t # 3-234, 1
u 0 1 2
这假设您的数据很容易适合 memory。 如果没有,也有很多方法可以逐块读取文件。
如果您只想要与第二个正则表达式有多个匹配的块:
while ($big_string=~/^(t\h*#\h*[0-9,\h-]+[\s\S]*?(?=(?:^t\h*#\h*[0-9,\h-]+)|\z))/mg) {
$block=$1;
$trans=$1 if $block=~/^(t\h*#\h*[0-9,\h-]+)/;
@matches=$block=~/^(u\h+0\h+[12]\h+2)/mg;
if (scalar @matches >1) {
print "$trans\n";
print join "\n", @matches;
}
}
印刷:
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
重置并保留交易线; append 配套线; 如果累积 3 行,则打印并重置。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.