我怎样才能阅读、分析，然后“不读”？并在 Perl 中重新读取输入流的开头？

Question

我正在读取和处理来自 Perl 中的 ARGV 文件句柄（即 while(<>) 构造） 常规文件句柄（可能是 STDIN）的输入流。但是，我需要分析输入的很大一部分，以便检测四种不同但极其相似的格式中的哪一种进行编码（FASTQ 质量分数的不同 ASCII 编码；请参阅 此处）。一旦我决定了数据的格式，我需要返回并再次解析这些行以实际读取数据。

所以我需要读取流的前 500 行左右两次。或者，换个角度来看，我需要阅读前 500 行，然后“将它们放回去”，以便我可以再次阅读它们。由于我可能正在从 STDIN 读取内容，因此我不能只是回到开头。而且文件很大，所以我不能将所有内容读入内存（尽管将前 500 行读入内存是可以的）。最好的方法是什么？

或者，我可以以某种方式复制输入流吗？

编辑：等一下。我刚刚意识到我无法再将输入作为一个大流处理，因为我必须独立检测每个文件的格式。所以我不能使用ARGV。不过，剩下的问题仍然存在。

Answer 1

正如您所说，如果文件句柄可能是 STDIN，则无法使用 seek 来倒回它。但它仍然非常简单。我不会为模块烦恼：

my @lines;

while (<$file>) {
  push @lines, $_;
  last if @lines == 500;
}

... # examine @lines to determine format

while (defined( $_ = @lines ? shift @lines : <$file> )) {
  ... # process line
}

请记住，在这种情况下您需要显式定义，因为特殊情况会将隐式定义添加到某些while< /code> 循环不适用于这个更复杂的表达式。

Answer 2

有一个 CPAN 模块为 IO::Handle 类提供一个 unread 方法。然而，它的警告让人有些谨慎。我会仔细评估它的适用性。

如果您确实只需要保存 500 行，每行都相当短，那么该模块可能就足够了；它的示例确实使用了STDIN。

不过，我对魔法 ARGV 感到紧张。如果您的 <> 运算符导致打开和读取多个不同的文件，那么我不知道您是否能够备份到与当前打开的文件不同的文件。

因此，您最终可能会自己编写推回逻辑。或者对与多个输入文件和/或 STDIN 性质相关的 ARGV 处理施加某种排序限制。

我的大多数具有神奇 ARGV 处理功能的程序在开始时都有类似以下内容的防护：

if (@ARGV == 0 && -t STDIN) {
    # select one or the other of the next two lines:

    # opt 1: emit warning 
    warn "$0: reading stdin from /dev/tty\n";

    # opt 2: populate @ARGV
    @ARGV = grep { -f && -T } <*>;  # glob plain textfiles

 }

在上面的第二种情况下，它默认为当前目录中的所有纯文本文件，还应该决定如果 grep< 时要做什么/code> 产生空列表。

对于某些期望或至少接受目录参数的程序，我偶尔会初始化一个空的 @ARGV 为 "."，以便程序默认为进程的当前值工作目录。